• 한국지능시스템학회논문지
• /
• 제23권2호
• /
• pp.172-177
• /
• 2013

BCI (Brain Computer Interface)는 인간의 뇌에서 측정된 EEG (Electroencephalogram)를 활용하여 의수와 같은 기기를 조종할 수 있는 좋은 방법 중 하나이다. 본 논문에서는 EEG와 힘과의 관계를 알아보고자 최대수축악력 (MVC)의 25%, 50%, 75%로 3개의 등급으로 나누어 EEG 변화를 측정하였다. 얻어진 EEG data를 FFT와 power spectrum analysis로 ${\alpha}$, ${\beta}$, ${\gamma}$파로 나누어 각 파형의 파워 값을 구한 뒤, 구해진 EEG 파워 값을 PCA와 LDA를 사용하여 특징 추출 및 분류를 하였다. 실험 결과 25%의 악력을 가할 때 보다 75%의 악력 때 더 높은 EEG 파워의 증가를 확인하였고, 왼손과 오른손은 각각 52.03%와 77.7%의 분류율을 나타내었다.

• 대한의용생체공학회:의공학회지
• /
• 제32권4호
• /
• pp.295-304
• /
• 2011

In this study, we evaluated the EEG based BCI algorithm using common spatial pattern to find realistic applicability using neurofeedback EEG based BCI algorithm - EEG mode, feature vector calculation, the number of selected channels, 3 types of classifier, window size is evaluated for 10 subjects. The experimental results have been evaluated depending on conditioned experiment whether neurofeedback is used or not In case of using neurofeedback, a few subjects presented exceptional but general tendency presented the performance improvement Through this study, we found a motivation of development for the specific classifier based BCI system and the assessment evaluation system. We proposed a need for an optimized algorithm applicable to the robust motor imagery evaluation system with more useful functionalities.

• 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.

• International Journal of Internet, Broadcasting and Communication
• /
• 제15권2호
• /
• pp.124-132
• /
• 2023

In this paper, we present a simple classification model based on statistical features and demonstrate the successful implementation of a brain-computer interface (BCI) based light on/off control system. This research shows study and development of light on/off control system based on BCI technology, which allows the users to control switching a lamp using electroencephalogram (EEG) signals. The logistic regression algorithm is used for classification of the EEG signal to convert it into light on, light off control commands. Training data were collected using 14-channel BCI system which records the brain signals of participants watching a screen with flickering lights and saves the data into .csv file for future analysis. After extracting a number of features from the data and performing classification using logistic regression, we created commands to switch on a physical lamp and tested it in a real environment. Logistic regression allowed us to quite accurately classify the EEG signals based on the user's mental state and we were able to classify the EEG signals with 82.5% accuracy, producing reliable commands for turning on and off the light.

• 한국콘텐츠학회지
• /
• 제13권2호
• /
• pp.36-40
• /
• 2015

• 대한인간공학회:학술대회논문집
• /
• 대한인간공학회 2004년도 추계학술대회
• /
• pp.59-59
• /
• 2004

• 정보과학회지
• /
• 제22권2호
• /
• pp.45-51
• /
• 2004

인간과 컴퓨터의 연결에 인간의 두뇌에서 발생하는 신호를 계측하여 원하는 목적에 이용하는 brain computer interface(BCI)에 관한 연구가 최근에 활발히 이루어지고 있다[1]. BCI는 뇌에서 발생하는 뇌파 신호의 해석 및 분석을 통하여 뇌와 컴퓨터 간에 통신 채널을 형성함으로써 사람이 입, 눈, 손 등의 근육 움직임을 통하지 않고 상호간에 정보를 전달할 수 있도록 하는 인터페이스 방법이다.

• 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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.695-696
• /
• 2023

본 논문은 뇌-컴퓨터 인터페이스(BCI)를 활용한 게임 개발을 통해 집중력 부족 문제를 해결하기 위한 방안을 제시한다. BCI 기술은 사용자의 뇌파 신호를 분석하여 게임에 적용할 수 있으며, 그에 따라 뇌파 신호를 활용한 집중력 향상을 도모해 볼 수 있는 게임을 설계하였다. Unity 게임 개발 환경과 Emotiv Insight 장비를 사용하여 게임을 구현하였으며, 사용자는 뇌파 신호를 통해 플레이어를 제어하여 게임을 즐길 수 있다. 연구 결과는 뇌파 기반 게임이 사용자의 집중력 향상에 도움을 줄 수 있는 잠재력을 보여준다.

• 한국지능시스템학회논문지
• /
• 제22권4호
• /
• pp.429-434
• /
• 2012

본 논문에서는 사지가 마비되어 신체를 움직이지 못하지만 뇌의 기능은 정상적인 대 마비 환자들을 위한, 생각만으로 외부의 장치를 제어할 수 있도록 하는 BCI(Brain-Computer Interface) 시스템 제어기술을 연구하였다. 사지를 움직이는 상상을 할 경우, 뇌의 운동 감각 피질 영역에서 발생하는 뮤리듬(${\mu}8$-12Hz)에서 증가되는 신호의 패턴인 Event-Related Synchronization (ERS)를 Short-Time Fourier Transform (STFT)과 Particle Swarm Optimization (PSO)를 이용하여 검출 하는 방법을 시도 하였다. ERS는 사람마다 다른 주파수 영역에서 발생하며, 본 논문에서는 ERS가 가장 많이 발현되고 전압이 큰 주파수를 검출하기 위해 8-12Hz 주파수영역의 EEG평균에서 PSO를 이용하여 가장 큰 진폭을 가지는 주파수를 확인 한 후, 해당 주파수를 사용하여 C3, C4채널에서 동작 상상 시 나타나는 ERS의 특징을 PSO를 이용하여 찾는 것이며. 개개인 마다 다른 주파수 영역에서 나타나는 ERS의 특징을 가장 많이 발현되는 주파수영역으로 고정하여 움직임 분석을 시도 하였다. 실험 결과에 사용된 data는 BCI competition IV data set의 실험자 b data를 사용 하였고, 하나의 주파수 대역만을 사용한 결과 왼손 40%, 오른손 38% 검출 정확도를 보였다.