• 센서학회지
• /
• 제13권3호
• /
• pp.236-243
• /
• 2004

In this paper, we proposed a brain-computer interface system using EEG signals. It can generate 4 direction command signal from EEG signals captured during imagination of subjects. Bandpass filter used for preprocessing to detect the brain signal, and the power spectrum at a specific frequency domain of the EEG signals for concentration status and non-concentration one is used for feature. In order to generate an adequate signal for controlling the 4 direction movement, we propose a new interface system implemented by using a support vector machine and a time-multiplexing method. Moreover, bio-feed back process and on-line adaptive pattern recognition mechanism are also considered in the proposed system. Computer experimental results show that the proposed method is effective to recognize the non-stational brain wave signal.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.548-550
• /
• 2021

눈-손 협응력은 시각정보를 손의 운동 정보에 적용시키는 뇌의 능력으로 일상생활을 하거나 복잡한 운동 기술을 발휘하는데 필수적인 기능이다. 본 논문은 눈-손 협응 능력이 발달하는 과정에 있는 아동을 대상으로 게임을 통해 눈-손 협응력 훈련을 진행할 수 있는 가상현실 콘텐츠를 제작하였다. 제작된 가상현실 콘텐츠는 눈과 손 인터페이스를 통해 가상현실의 물체와 상호작용하도록 요구함으로써 게임형식으로 과제를 제공한다.

• 재활치료과학
• /
• 제7권2호
• /
• pp.9-16
• /
• 2018

목적 : 본 연구의 목적은 뇌손상 환자의 신경학적 변화 측정도구인 뇌전도의 측정도구 및 방법, 평가와 분석방법을 알아봄으로써 임상영역에서 뇌전도 측정 시 기초자료를 제시하는 것에 있다. 연구방법 : 전자 데이터 베이스인 Pubmed, Science Direct를 사용하였으며, 주요검색 용어로 'Electroencephalography', 'stroke', 'intervention OR training'을 사용하였다. 결과 : 뇌전도는 두뇌-컴퓨터 인터페이스(Brain-computer interface)를 이용하여 재활의 효과를 뇌의 활성화 상태 변화로 측정할 수 있는 도구로 기능적 뇌 재조직화 매커니즘을 확인할 수 있는 것으로 나타났다. 뇌전도 측정도구의 경우 다양한 채널, 전극의 형태 및 전극 부착 부위로 구성되어 있으며, 결과해석에 사용되는 주파수 또한 다양하게 나타났다. 결론 : 뇌전도는 중재에 대한 효과성을 신경학적으로 확인할 수 있을 뿐만 아니라 효율적인 작업치료를 위한 중재전략을 마련하는데 사용될 수 있을 것으로 사료된다.

• 사물인터넷융복합논문지
• /
• 제9권6호
• /
• pp.37-44
• /
• 2023

인터스트리4.0의 주요 기술인 인간-로봇 협업은 작업자의 안전을 보장하기 위한 추가적인 조치들이 필요하다. 협동로봇과 작업자간 충돌을 회피하는 기존 방식은 주로 로봇에 부착된 센서와 카메라를 기반으로 총돌을 탐지한다. 이러한 방식은 로봇, 사람 물체를 지속적으로 추적하고 충돌회피를 위한 복잡한 알고리즘이 필요하며, 작업 환경 변화에 빠르게 대응하지 못하는 단점이 있다. 본 논문은 인간과 로봇이 협업하는 과정에서 작업자가 위험을 느낄 때의 감정을 인식하여 협동로봇과의 충돌을 방지할 수 있는 웹 기반 플랫폼을 개발하였다. 이를 위해 웨어러블 뇌파장치를 이용하여 감정 관련 뇌파를 수집하고 저장하는 웹 기반 애플리케이션을 개발하였으며, 중립/긍정/부정 감정의 특징을 추출하고 분류하는 딥러닝 모델을 제안하였다. 또한 분류된 감정에 따라 모터동작을 제어하는 사물인터넷 인터페이스 프로그램을 개발하였다. 구현된 시스템의 성능분석을 위해 공개 데이터세트와 실제 수집된 데이터 세트를 사용하여 제안한 딥러닝 모델의 성능을 분석하였다. 공개 데이터 세트의 경우 정확도는 96.8%이며, 실제 수집 데이터세트의 경우 정확도는 70.7%이다.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.137-142
• /
• 2024

최근, 의료 데이터 표현 분야에서 딥러닝 방법들이 사실상의 표준으로 자리잡고 있다. 하지만, 딥러닝 기술은 내재적으로 많은 양의 학습 데이터를 필요로 하므로 대규모의 데이터를 확보하기 쉽지 않은 의료 분야에서는 직접적인 적용이 어려운 실정이다. 특히 뇌신호 모달리티의 경우, 변동성이 크기 때문에 여전히 데이터 부족 문제를 가진다. 이에, 최근 연구에서는 뇌신호의 시간-공간-주파수 특징을 적절하게 추출할 수 있는 딥 뉴럴 네트워크 구조를 설계하거나, 혹은 자가-지도 학습 방법을 도입하여 뇌신호의 신경생리학적 특징을 미리 학습하도록 한다. 본 논문에서는, 최근 각광받는 기술인 뇌-컴퓨터 인터페이스 및 피험자 상태 예측 등의 관점에서 소규모데이터를 다루기 위해 적용되는 방법론에 대한 분석 및 향후 기술 방향성을 제시한다. 먼저 현재 제안되고 있는 뇌신호 표현을 위한 딥 뉴럴 네트워크 구조에 대해 분석한다. 또한 뇌신호의 특성을 잘 학습하기 위한 자가-지도 학습 방법론을 분석한다. 끝으로, 딥러닝 기반 뇌신호 분석을 위한 중요 시사점 및 방향성에 관하여 논한다.

• 전자공학회논문지
• /
• 제51권5호
• /
• pp.197-206
• /
• 2014

운동심상(Motor imagery) 기반의 뇌-컴퓨터 인터페이스(Brain-computer Interface)는 주로 뇌전도(Electroencephalography, EEG)를 이용하여 사용자의 자발적인 운동 의지를 읽는 기술로 최근 주목받고 있다. 이 중에서도 피실험자의 운동 의지를 정확히 해석하기 위해 감각운동 영역(sensorimotor area)의 일부분에서 나타나는 ${\mu}$-대역(8-13Hz)의 전위 감소 현상인 event related desynchronization(ERD)을 분석하는 연구가 많이 진행되고 있다. 하지만 EEG는 공간 해상도가 낮고 사용자에 따라 ERD가 발생하는 주파수 대역이 다소 차이가 있어 추정에 어려움이 있다. 이에 대한 개선 방법의 하나로서 공간 필터를 구현하는 common spatial pattern (CSP)과 필터 뱅크(filter bank)를 결합한 형태인 discriminative filter bank common spatial pattern(DFBCSP)이 제안되었다. 그러나 DFBCSP는 EEG 신호의 평균 전력(power)의 Fisher ratio를 이용하여 사용자에 따른 효과적인 주파수 대역을 포함하는 discriminative filter bank(DFB)를 구성하여 분류 정확도를 향상시켰지만 ERD의 공간 패턴이 나타나는 적절한 필터를 선택하지 않는 경우가 발생한다. 이러한 문제를 해결하기 위해 본 논문에서는 EEG 신호의 평균전력 대신 CSP의 특성 벡터를 이용하여 DFB를 구성하는 방법을 제안한다. 기존의 방법과 제안한 방법의 필터 선택 결과와 분류 정확도 분석을 통해 CSP 특성 벡터가 DFB 구성에 더욱 효과적임을 보인다.

• 정보과학회 논문지
• /
• 제42권12호
• /
• pp.1535-1543
• /
• 2015

뇌-컴퓨터 인터페이스는 사용자의 뇌전도(Electroencephalogram: EEG)를 획득하여 생각만으로 기계를 제어하거나 신체장애를 가진 사람에게 손 또는 발과 같은 신체를 대신하여 의사 전달 수단으로 사용될 수 있다. 본 논문에서는 동작 상상 EEG를 분류하기 위해 Sub-Band Common Spatial Pattern(SBCSP)를 기반으로 필터 선택을 하지 않는 특징 추출 방법에 대해 연구한다. 4~40Hz의 동작 상상 신호를 4Hz 대역마다 나눈 9개의 서브 밴드에 각각 CSP를 적용한다. 이후 Fisher's Linear Discriminant(FLD)를 사용하여 도출된 값들을 결합한 FLD 점수 벡터에 차원 축소를 위한 Principal Component Analysis(PCA)를 적용하여 클래스 구분을 위한 최적의 평면에 특징을 투영한다. 데이터베이스는 BCI CompetitionIII dataset IVa(2 클래스: 오른손 다리)를 이용하며, 추출된 특징은 Least Squares Support Vector Machine(LS-SVM)의 입력으로 사용된다. 제안된 방법의 성능은 $10{\times}10$ fold cross-validation을 이용하여 분류 정확도로 나타낸다. 본 논문에서 제안하는 방법은 피험자 'aa', 'al', 'av', 'aw', 'ay'에 대하여 각각 $85.29{\pm}0.93%$, $95.43{\pm}0.57%$, $72.57{\pm}2.37%$, $91.82{\pm}1.38%$, $93.50{\pm}0.69%$의 분류 정확도를 보였다.

• 한국전자통신학회논문지
• /
• 제13권6호
• /
• pp.1333-1342
• /
• 2018

지금까지 뇌파(Electroencephalography - EEG)는 뇌전증 진단 및 치료를 위한 가장 중요하고 편리한 방법이었다. 그러나 뇌전증 뇌파 신호의 파형 특성은 매우 약하고 비 정지 상태이며 배경 노이즈가 강하기 때문에 식별하기가 어렵다. 이 논문에서는 간질 뇌파의 특징 선택을 통한 차원 감소를 통한 분류 방법의 효과를 분석한다. 우리는 차원 감소를 위해 주 요소 분석, 커널 요소 분석, 선형 판별 분석 방법을 사용하였다. 차원 감소방법의 성능 분석을 위해 Support Vector Machine: SVM), Logistic Regression(: LR), K-Nearestneighbor(: K-NN), Decision Tree(: DR), Random Forest(: RF) 분류 방법들을 사용해 평가하였다. 실험 결과에 따르면, PCA는 SVM, LR 및 K-NN에서 75% 정확도를 나타냈다. KPCA는 SVM과 K-KNN에서 85%의 성능을 보였으며 LDA는 K-NN를 이용했을 때 100 %의 정확도 보여주었다. 따라서 LDA를 이용한 차원 감소가 뇌전증 EEG 신호에 대한 최고의 분류 결과 보여주었다.

• 한국지능시스템학회논문지
• /
• 제19권1호
• /
• pp.122-127
• /
• 2009

본 논문에서는 피험자가 A, B, C, D 글자를 말하는 상상을 할 때 사고중추에서와 Broca's area 에서 EEG 신호를 측정하였으며 이 신호를 Event-Related Spectral Perturbation (ERSP), Inter-Trial Coherence (ITC) 그리고 Event Related Potential (ERP) 방법을 통해 분석하여 보았다. 그 결과 F7, FT7 영역의 뇌파에서 각 문자를 보여주는 자극 제시 후 0$\sim$300ms 동안의 1$\sim$13Hz에서 높은 coherence를 보였으며, P300 이 뚜렷하게 나타나는 것을 확인할 수 있었다. 하지만 ERP를 통해 분석해본 결과 각 글자에 대한 차이를 구분하고자 하였던 처음 연구의 동기와 달리 각 글자를 말할 때 ERP가 약간의 차이를 보이기는 하였으나 각 문자에 대한 차이라거나 이 차이를 통해 문자를 구별할 수 있다고 하기는 어려웠다. 하지만 본 논문에서는 이 실험결과를 통해 기존에 운동관련 뇌 영역에 국한되어 있던 BCI 연구의 한계를 극복하고 보다 다양한 서비스를 제공할 수 있는 응용 시스템을 제안하였다.

• 한국지능시스템학회논문지
• /
• 제25권3호
• /
• pp.254-259
• /
• 2015

본 논문은 BCI(Brain Computer Interface)기반의 정상상태시각유발전위(SSVEP : Steady-State Visual Evoked Potential)를 사용하여 무선 로봇 제어를 위한 시스템을 제안하였다. CPSD(Cross Power Spectral Density)를 사용하여 전극의 신호를 분석하였다. 또한 분류를 위해서 LDA(Linear Discriminant Analysis)와 SVM(Support Vector Machine)을 사용하였다. 그 결과 피험자들의 평균 분류율은 약 70%로 나타났다. 로봇제어의 경우 뇌파의 값을 분류하여 나타난 결과 값으로 로봇이 움직일 수 있도록 구현하였고, 블루투스 통신을 이용하여 로봇제어를 수행하였다.