• 제목/요약/키워드: Brain Machine Interface

검색결과 58건 처리시간 0.024초

군사용 제어기기를 위한 마인드 컨트롤 인터페이스 기술 (Mind control interface technology for the military control instrument)

  • 김응수
    • 안보군사학연구
    • /
    • 통권1호
    • /
    • pp.249-267
    • /
    • 2003
  • EEG is an electrical signal, which occurs during information processing in the brain. These EEG signals have been used clinically, but nowadays we are mainly studying Brain-Computer Interface (BCI) such as interfacing with a computer through the EEG, controlling the machine through the EEG. The ultimate purpose of BCI study is specifying the EEG at various mental states so as to control the computer and machine. This research makes the controlling system of directions with the artifact that are generated from the subject's will, for the purpose of controlling the machine correctly and reliably. We made the system like this. First, we select the particular artifact among the EEG mixed with artifact, then, recognize and classify the signals' pattern, then, change the signals to general signals that can be used by the controlling system of directions.

  • PDF

Brain-Computer Interface 기반 인간-로봇상호작용 플랫폼 (A Brain-Computer Interface Based Human-Robot Interaction Platform)

  • 윤중선
    • 한국산학기술학회논문지
    • /
    • 제16권11호
    • /
    • pp.7508-7512
    • /
    • 2015
  • 뇌파로 의도를 접속하여 기계를 작동하는 뇌-기기 접속(Brain-Computer Interface, BCI) 기반의 인간-로봇상호작용(Human-Robot Interaction, HRI) 플랫폼을 제안한다. 사람의 뇌파로 의도를 포착하고 포착된 뇌파 신호에서 의도를 추출하거나 연관시키고 추출된 의도로 기기를 작동하게 하는 포착, 처리, 실행을 수행하는 플랫폼의 설계, 운용 및 구현 과정을 소개한다. 제안된 플랫폼의 구현 사례로 처리기에 구현된 상호작용 게임과 처리기를 통한 외부 장치 제어가 기술되었다. BCI 기반 플랫폼의 의도와 감지 사이의 신뢰성을 확보하기 위한 다양한 시도들을 소개한다. 제안된 플랫폼과 구현 사례는 BCI 기반의 새로운 기기 제어 작동 방식의 실현으로 확장될 것으로 기대된다.

뇌파 기반 뇌-컴퓨터 인터페이스 기술의 소개 (Introduction to EEG-Based Brain-Computer Interface (BCI) Technology)

  • 임창환
    • 대한의용생체공학회:의공학회지
    • /
    • 제31권1호
    • /
    • pp.1-13
    • /
    • 2010
  • There are a great numbers of disabled individuals who cannot freely move or control specific parts of their body because of serious neurological diseases such as spinal cord injury, amyotrophic lateral sclerosis, brainstem stroke, and so on. Brain-computer interfaces (BCIs) can help them to drive and control external devices using only their brain activity, without the need for physical body movements. Over the past 30 years, several Bel research programs have arisen and tried to develop new communication and control technology for those who are completely paralyzed. Thanks to the rapid development of computer science and neuroimaging technology, new understandings of brain functions, and most importantly many researchers' efforts, Bel is now becoming 'practical' to some extent. The present review article summarizes the current state of electroencephalogram (EEG)-based Bel, which have been being studied most widely, with specific emphasis on its basic concepts, system developments, and prospects for the future.

Variance-Considered Machine에 기반한 Brain-Computer Interface 시스템의 성능 향상 (Performance Improvements of Brain-Computer Interface Systems based on Variance-Considered Machines)

  • 염홍기;심귀보
    • 한국지능시스템학회논문지
    • /
    • 제20권1호
    • /
    • pp.153-158
    • /
    • 2010
  • 본 논문에서는 선행 연구를 통해 제안하였던 새로운 분류 알고리즘인 Variance Considered Machines (VCM)을 통해 EEG 신호의 분류 에러율을 감소시킴으로 Brain-Computer Interface (BCI)의 성능향상 가능성을 보였다. BCI란 뇌파를 통해 컴퓨터와 같은 시스템을 제어하는 것으로 BCI의 인식률에 영향을 미치는 것에는 많은 요소가 있지만 본 논문에서는 그 중에서도 가장 중요한 분류 알고리즘을 제안된 알고리즘을 통해 인식률을 향상하는 것을 보였다. 이를 위해 피험자가 가상으로 왼쪽 손과 다리를 움직이는 상상을 한 데이터를 기존에 가장 많이 사용되고 있는 분류 알고리즘인 SVM과 제안된 VCM으로 분류하여 인식률을 비교하였다. 기존 연구를 통해 VCM의 우수성을 이론적 결과와 시뮬레이션 결과로 보였다면 본 논문에서는 실제 데이터를 통한 실험을 통해 인식률 향상을 보였다.

Implementation of Educational Brain Motion Controller for Machine Learning Applications

  • Park, Myeong-Chul;Choi, Duk-Kyu;Kim, Tae-Sun
    • 한국컴퓨터정보학회논문지
    • /
    • 제25권8호
    • /
    • pp.111-117
    • /
    • 2020
  • 최근 머신러닝의 높은 관심과 더불어 물리적 장치에 연동하기 위한 교육용 컨트롤러의 필요성이 증대되고 있다. 하지만 기존 컨트롤러는 교육용으로서의 고비용과 활용 영역면에서 제한적이다. 본 논문에서는 학생들의 머신 러닝 학습을 목적으로 뇌파를 이용한 동작 제어 컨트롤러를 제안한다. 특정 행위를 상상할 때 발생하는 뇌의 동작 상상 뇌파를 측정하여 표본화 한 후, Tensor Flow를 통하여 표본값을 학습시키고 게임 등의 콘텐츠에서 동작을 인식할 수 있도록 설계하였다. 동작 인식을 위한 움직임 변이는 상하좌우의 방향성과 점프 동작으로 구성된다. 인식 동작의 식별 정보를 언리얼 엔진으로 제작한 게임에 전송하여 게임 속 캐릭터를 동작시키는 절차로 이루어 진다. 구현된 컨트롤러는 뇌파 외에도 입력 신호에 따라 다양한 분야에 활용될 수 있으며 머신 러닝 학습 등의 교육적 용도로 사용될 수 있을 것이다.

P300 뇌파를 이용한 뇌-기계 인터페이스 기술에 대한 연구 (Brain-Machine Interface Using P300 Brain Wave)

  • 차갑문;신현출
    • 전자공학회논문지SC
    • /
    • 제47권5호
    • /
    • pp.18-23
    • /
    • 2010
  • 본 논문은 유발전위(evoked potential) 뇌파인 P300에 기반한 뇌-기계 인터페이스의 실시간 구현을 위한 효율적인 알고리즘을 제안한다. P300 뇌파는 외부 시각 자극이 인간의 의지와 일치할 경우, 100-300ms 부근에서 negative pick를 갖는 특성이 있다. 이러한 특성에 기초하여 P300 뇌파의 포텐셜(potential) 감소를 감지하여 인간의 의도를 역으로 추론할 수 있으며, 이를 뇌-기계 인터페이스에 활용할 수 있다. 연구에서 P300 뇌파는 인간의 두개골 외부에 부착된 전극을 통해 얻어졌으며, 시각적 자극으로는 2차원 알파벳 신호를 사용하였다. P300 뇌파의 포텐셜 감소 검출을 위하여 뇌파 포텐셜을 자극과 연계하여 확률적으로 모델링하였다. 확률적 모델은 피실험자가 의도하는 신호의 모델(target model)과 의도하지 않는 신호의 모델(non-target model)로 구성된다. 이러한 확률적 모델에 기반하여 피실험자의 의도를 추론하기 위해서 최우추정법(maximum likelihood estimation)을 사용하였다. 실험에는 신체 건강한 성인 남자 3명이 참가하였으며, 'A'와 'E' 실험에 대한 피실험자 k의 평균 성공률은 98%, 피실험자 j의 평균 성공률 90%, 그리고 피실험자 h의 성공률은 79.8%였다.

Support Vector Machine 기반 Genetic Algorithm과 Binary PSO를 이용한 최적의 EEG 채널 선택 기법 (Optimal EEG Channel Selection by Genetic Algorithm and Binary PSO based on a Support Vector Machine)

  • 김준엽;박승민;고광은;심귀보
    • 제어로봇시스템학회논문지
    • /
    • 제19권6호
    • /
    • pp.527-533
    • /
    • 2013
  • BCI (Brain-Computer Interface) is a system that transforms a subject's brain signal related to their intention into a control signal by classifying EEG (electroencephalograph) signals obtained during the imagination of movement of a subject's limbs. The BCI system allows us to control machines such as robot arms or wheelchairs only by imaging limbs. With the exact same experiment environment, activated brain regions of each subjects are totally different. In that case, a simple approach is to use as many channels as possible when measuring brain signals. However the problem is that using many channels also causes other problems. When applying a CSP (Common Spatial Pattern), which is an EEG extraction method, many channels cause an overfitting problem, and in addition there is difficulty using this technique for medical analysis. To overcome these problems, we suggest an optimal channel selection method using a BPSO (Binary Particle Swarm Optimization), BPSO with channel impact factor, and GA. This paper examined optimal selected channels among all channels using three optimization methods and compared the classification accuracy and the number of selected channels between BPSO, BPSO with channel impact factor, and GA by SVM (Support Vector Machine). The result showed that BPSO with channel impact factor selected 2 fewer channels and even improved accuracy by 10.17~11.34% compared with BPSO and GA.

Discriminative Power Feature Selection Method for Motor Imagery EEG Classification in Brain Computer Interface Systems

  • Yu, XinYang;Park, Seung-Min;Ko, Kwang-Eun;Sim, Kwee-Bo
    • International Journal of Fuzzy Logic and Intelligent Systems
    • /
    • 제13권1호
    • /
    • pp.12-18
    • /
    • 2013
  • Motor imagery classification in electroencephalography (EEG)-based brain-computer interface (BCI) systems is an important research area. To simplify the complexity of the classification, selected power bands and electrode channels have been widely used to extract and select features from raw EEG signals, but there is still a loss in classification accuracy in the state-of- the-art approaches. To solve this problem, we propose a discriminative feature extraction algorithm based on power bands with principle component analysis (PCA). First, the raw EEG signals from the motor cortex area were filtered using a bandpass filter with ${\mu}$ and ${\beta}$ bands. This research considered the power bands within a 0.4 second epoch to select the optimal feature space region. Next, the total feature dimensions were reduced by PCA and transformed into a final feature vector set. The selected features were classified by applying a support vector machine (SVM). The proposed method was compared with a state-of-art power band feature and shown to improve classification accuracy.

Automatic Gesture Recognition for Human-Machine Interaction: An Overview

  • Nataliia, Konkina
    • International Journal of Computer Science & Network Security
    • /
    • 제22권1호
    • /
    • pp.129-138
    • /
    • 2022
  • With the increasing reliance of computing systems in our everyday life, there is always a constant need to improve the ways users can interact with such systems in a more natural, effective, and convenient way. In the initial computing revolution, the interaction between the humans and machines have been limited. The machines were not necessarily meant to be intelligent. This begged for the need to develop systems that could automatically identify and interpret our actions. Automatic gesture recognition is one of the popular methods users can control systems with their gestures. This includes various kinds of tracking including the whole body, hands, head, face, etc. We also touch upon a different line of work including Brain-Computer Interface (BCI), Electromyography (EMG) as potential additions to the gesture recognition regime. In this work, we present an overview of several applications of automated gesture recognition systems and a brief look at the popular methods employed.

Channel Impact Factor 접목한 BPSO 기반 최적의 EEG 채널 선택 기법 (Optimal EEG Channel Selection using BPSO with Channel Impact Factor)

  • 김준엽;박승민;고광은;심귀보
    • 한국지능시스템학회논문지
    • /
    • 제22권6호
    • /
    • pp.774-779
    • /
    • 2012
  • 본 논문은 brain-computer interface (BCI)를 통해 움직임 상상 시 측정된 뇌-활동전위신호(EEG)에 내포된 행동의도의 패턴을 보다 정확하게 분류하기 위한 최적 EEG 채널 선택 기법을 제안한다. 기존의 EEG 측정실험에서는 실험 설계자에 의해 대뇌 기능적 피질 분류를 이용하여 인위적으로 선별된 채널을 활용하거나 측정기기가 수용 가능한 전체 채널을 사용해왔으며, 일정 수준의 패턴분류 정확도를 얻을 수 있었지만 다수의 채널로 인해 Common Spatial Pattern (CSP) 등의 패턴특징 추출 시 overfit 및 계산 복잡도 증가의 문제가 발생되었다. 이를 극복하기 위하여 방안으로 본 논문에서는 binary particle swarm optimization (BPSO)을 기반으로 다수의 채널 중 최적 채널을 자동으로 선택하고, 각각의 채널에 대한 impact factor를 부여함으로써 중요 채널 부근의 채널들에 가중치를 부여하는 선택방법을 제안하였으며, Support Vector Machine (SVM)을 이용하여 다수의 채널을 사용 하였을 때의 정확도와 channel impact factor를 고려한 BPSO를 적용시켰을 때의 정확도를 비교, 분석하였다.