• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.1001-1004
• /
• 2014

IT 기술과 의료 기술이 발전함에 따라 뇌파를 이용한 많은 연구들이 진행되고 있다. 컴퓨터로 사용자가 뇌파를 측정하고, 측정된 뇌파를 실시간으로 모니터링 할 수 있는 고속 데이터 처리 알고리즘을 소개하고, 측정된 뇌파를 통하여 우울증을 진단할 수 있는 시스템을 구현하였다. 특히 실시간 뇌파지표 분석을 통하여 뇌파의 기본파형이 분류되고, 분류된 신호에서 개발된 알고리즘에 따라 주의/이완/집중/우울의 4가지 지표가 실시간으로 도출된다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 1999.11a
• /
• pp.47-52
• /
• 1999

데이타 마이닝이란 축적된 방대한 양의 실제 데이타로부터 이전에는 알지 못했던, 숨겨진 임의의 규칙성들을 비전통적인 방식으로 발견해 내는 작업을 말한다. 많은 데이타로부터 무엇인가 흥미로운 경향이나 패턴을 발굴해 내는 것이 데이타 마이닝의 목적이다. 본 연구에서는 다양한 측정값으로 표현되는 \circled1 인지 유형 데이타와, \circled2 생리적 반응 특성 데이터가 \circled3 직관적 예측의 성과에 미치는 영향을 데이타 마이닝 기술을 이용하여 분석함으로써 존재하는 규칙적인 관련성을 탐사하였다. 현재까지 분석한 바로는 첫째, 분석적인 사람이 직관적인 사람보다 예측이 더 정확한 경향이 있었다. 둘째, 실험 전과 실험중 간의 뇌파증가율이 높거나 뇌파량이 적으면 분석적인 사람일 가능성이 많았다. 셋째, 분석적인 사람은 실험 전에 뇌파량이 적을수록 더 정확해지며, 직관적인 사람은 실험전에 뇌파량이 많을수록 더 정확해지는 것으로 관측되었다.

• Journal of the Korean Data and Information Science Society
• /
• v.20 no.3
• /
• pp.541-550
• /
• 2009

This research attempted to find out any implications for strategies to design and develop the connections between the activities of the brain function and the fields of English learning (dictation, word level, speaking, word memory, listening). Thus, in developing the brain based learning model for the English education, attempts need to be made to help learners to keep the whole brain toward learning. On this point, this study indicated the significant results for the exclusive brain location and the brainwaves on the each English learning field by the quantitative EEG analysis. The results of this study presented the guidelines for the balanced development of the left brain and the right brain to train the specific site of the brain connected to the English learning fields. In addition, whole brain training model is developed by the quantitative EEG data not by the theoretical learning methods focused on the right brain training.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2003.05a
• /
• pp.115-119
• /
• 2003

본 연구는 인간에 있어서 가장 간단한 의사라고 여겨지는 긍정과 부정 응답에 대해 나타나는 뇌파의 변화를 잘 반영하는 특징을 찾아내고자 하기 위한 것이다. 고차 통계적 방법(high order statical analysis)인 바이스펙트럼(bispectrum)은 뇌파의 다른 부위와 다른 주파수 사이의 비선형위상커플링(non-linear phase coupling)을 잘 반영하므로, 이를 이용하여 긍정이나 부정을 선택할 때 나타나는 뇌파를 분석하였다. 분석결과, 반응 전 1.25초∼0.5초 에 유의미한 차이를 보였다. 긍정과 부정 응답에 대한 뇌파의 주파수와 부위를 찾아 신경회로망의 입력으로 사용하여 긍정과 부정 응답에 대해 분별하였다. 2번의 뇌파실험에서 각각 실험 데이터에 대해서는 긍/부정 차이가 존재하지만 공통적인 특징이 나타나지는 않았다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1993-1994
• /
• 2008

뇌-기계 인터페이스(BMI : Brain Machine Interface)는 사람의 뇌에서 추출된 데이터를 이용하여 신체동작 없이 기계나 컴퓨터를 동작시키는 새로운 인터페이스 기술이다. 이러한 뇌-기계 인터페이스 기술은 자발전위 뇌파와 유발전위 뇌파를 이용한다. 자발전위 뇌파는 원하는 파형의 파워 값을 조절하여 새로운 인터페이스를 만드는 것이고, 유발전위 뇌파는 자극을 받았을 때 발생하는 값을 이용하여 새로운 인터페이스를 구현하는 것을 말한다. 이 중 자발전위는 사람이 스스로 뇌파의 방출량을 조절할 수 있어 집중력 향상과 같은 효과를 얻을 수 있다는 장점이 있다. 따라서 본 연구에서는 자발전위를 이용하여 뇌-기계 인터페이스 기술을 구현하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2013.11a
• /
• pp.155-156
• /
• 2013

최근 뇌파에 관련된 연구가 IT 분야와 결합하여 많이 진행되고 있다. 우리의 연구에서는 음악의 선호/비선호를 구분 문제를 뇌파를 이용해서 접근하려 한다. 이를 위해서 데이터를 모으고 분석하는 과저에서 나온 실험결과를 이 논문에서 발표한다. 최대한 편안한 상태에서 음악을 들으면서 뇌파를 취득하였을 때, 선호하는 음악과 비선호하는 음악을 구분해서 들었을 때의 뇌파취득 결과와, 그렇지 않았을 때의 뇌파 취득 결과를 간단한 분류방법을 통해서 비교한다.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.10 no.1
• /
• pp.9-15
• /
• 2017

In this study we performed the experiment to detect the ERP using SVM with wavelet features. The EEG signal that is generated visual stimulated ERP database in SCCN applied for the experiment. The feature vectors for experiment are categorized frequency and continuous wavelet- based vectors. In experimental results, the detection rate of SVM with wavelet feature vectors improved above 10% comparing with frequency- based feature vector. Based on the experimental results we analyzed the relation between the activity degree of the ERP and the band split characteristics of the ERP by wavelet transform.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.3 no.4
• /
• pp.23-27
• /
• 2010

This paper performs emotion classification test to find out the best parameter of electroencyphalogram(EEG) signal. Linear predictor coefficients, band cross-correlation coefficients of fast Fourier transform(FFT) and autoregressive model spectra are used as the parameters of 10-channel EEG signal. A multi-layer neural network is used as the pattern classifier. Four emotions for relaxation, joy, sadness, irritation are induced by four university students of an acting circle. Electrode positions are Fp1, Fp2, F3, F4, T3, T4, P3, P4, O1, O2. As a result, the Linear predictor coefficients showed the best performance.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1778-1781
• /
• 2015

본 논문에서는 최근 이슈가 되고 있는 마인드 컨트롤 기술을 이용하여 RC 카를 움직이는 기술에 대하여 설명한다. 사회적으로 주의력 결핍 과잉행동 장애(ADHD)를 갖는 사람이 늘어나고 있으며, ADHD는 여러 가지 치료 기술이 있지만 어릴수록 놀이 치료 등을 사용하는 것이 좋다. 본 논문에서 뇌파측정기를 이용하여 뇌파를 모은 뒤 K-평균 알고리즘과 재 클러스터링을 통하여 방향 뇌파를 데이터화하고, 그 이후에 데이터화 된 방향 뇌파들을 토대로 RC카를 움직이는 기술 제안하였다. 개발된 기술의 경우 성능이 높게 나타나지 않았지만, 앞으로 이 기술이 더 발전한다면, 아동의 놀이 등에 활용하여 ADHD도 효과적으로 치료할 수 있을 뿐만 아니라, 실제 자동차 시스템에 적용하는 등 다양한 응용이 가능할 것으로 생각된다.

• Journal of Internet of Things and Convergence
• /
• v.9 no.1
• /
• pp.25-31
• /
• 2023

The brain-machine interface(BMI) is a next-generation interface that controls the device by decoding brain waves(also called Electroencephalogram, EEG), EEG is a electrical signal of nerve cell generated when the BMI user thinks of a command. The brain-machine interface can be applied to various smart devices, but complex computational process is required to decode the brain wave signal. Therefore, it is difficult to implement a brain-machine interface in an embedded system implemented in the form of an edge device. In this study, we proposed a new type of brain-machine interface system using IoT technology that only measures EEG at the edge device and stores and analyzes EEG data in the cloud computing. This system successfully performed quantitative EEG analysis for the brain-machine interface, and the whole data transmission time also showed a capable level of real-time processing.