• 감성과학
• /
• 제6권4호
• /
• pp.15-23
• /
• 2003

근래에 들어 질병으로 인하여 의사표현이 곤란한 환자에게 뇌파에 기초한 BCI(Brain Compute, Interface)와 같은 새로운 인터페이스를 제공하고자 하는 연구가 활발히 진행되고 있다. 특정 자극에 대해 유발되는 뇌파의 측정과 분석은 BCI를 위한 뇌파의 패턴과 인터페이스의 설계에 중요한 역할을 한다. 이 연구의 목적은 시청각 자극 인가 후 피험자의 반응시간을 측정하는 시스템을 EEG와 같은 생체 신호 계측 시스템과 연동이 가능한 형태로 개발하는 것이다. 제안된 시스템은 기능적으로 자극신호 발생부, 반응시간 측정부, 유발뇌파 측정부, 동기신호 발생부로 나뉘어진다. 자극신호 발생부는 실험에 이용되는 자극신호를 제작하는 부분으로서 Flash를 사용하여 구현하였다. 반응시간 측정부는 문제에 대한 답 선택 요청시각으로부터 피험자의 반응까지의 시간을 측정하는 부분으로서 마이크로컴퓨터를 이용하여 구현하였다. 유발뇌파 측정부는 시판용 하드웨어와 소프트웨어를 그대로 사용하였다. 동기신호 발생부는 전체 시스템의 동기를 맞추기 위한 신호를 발생하는 부분으로서 문제제시, 답 요구와 동기한 화면상의 명암신호와 이를 검출하는 광센서로 구성하였다. 본 논문에서 제시한 방법에서는, 기존의 유발전위 측정 및 자극시스템에 특정 모듈(반응시간 측정 장치, 동기신호 발생장치)만을 추가하여 실험자의 의도에 맞는 시스템을 설계할 수 있어 유발응답 및 반응시간의 측정을 필요로 하는 연구를 가속화 할 것이 기대된다.

• 정보과학회지
• /
• 제31권7호
• /
• pp.26-34
• /
• 2013

• 대한임베디드공학회논문지
• /
• 제18권2호
• /
• pp.81-87
• /
• 2023

With the development of BCI devices, it is now possible to use EEG control technology to move the robot's arms or legs to help with daily life. In this paper, we propose a customized vehicle control model based on BCI. This is a model that collects BCI-based driver EEG signals, determines information according to EEG signal analysis, and then controls the direction of the vehicle based on the determinated information through EEG signal analysis. In this case, in the process of analyzing noisy EEG signals, controlling direction is supplemented by using a camera-based eye tracking method to increase the accuracy of recognized direction . By synthesizing the EEG signal that recognized the direction to be controlled and the result of eye tracking, the vehicle was controlled in five directions: left turn, right turn, forward, backward, and stop. In experimental result, the accuracy of direction recognition of our proposed model is about 75% or higher.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 추계학술대회
• /
• pp.813-815
• /
• 2016

본 논문에서는 뇌파데이터를 기반으로 한 디바이스 제어 시스템을 구현한다. Brain-Computer Interface(BCI) 기술은 언어나 신체의 동작을 거치지 않고 직접 시스템에 전달할 수 있다. 상태의 변화에 따른 뇌파를 실시간으로 감지하여 디바이스를 제어함으로써 움직임이 불편한 장애인이나 수험생, 멀티태스킹이 필요한 사람 등 다양한 서비스 대상자에게 편리한 생활을 할 수 있도록 도와준다. 또한, 홈 디바이스 제어 시스템 등 응용서비스를 개발할 수 있다. 이를 위해 논문에서 구현한 디바이스 제어 시스템은 뇌파 측정 헤드셋으로부터 수집된 데이터를 기반으로 사용자의 스마트폰과 연동하여 전원 및 오디오를 제어한다. 집중도에 의해 전원 ON/OFF 동작을 제어하고, 명상도와 눈 깜빡임에 의해 오디오를 제어하는 서비스 기능을 지원한다. 실험실 테스트를 통해 뇌파데이터를 이용한 디바이스 제어가 성공적으로 동작되는 것을 확인하였다.

• 제어로봇시스템학회논문지
• /
• 제22권3호
• /
• pp.199-203
• /
• 2016

A brain-computer interface or BCI provides an alternative method for acting on the world. Brain signals can be recorded from the electrical activity along the scalp using an electrode cap. By analyzing the EEG, it is possible to determine whether a person is thinking about his/her hand or foot movement and this information can be transferred to a machine and then translated into commands. However, we do not know which information relates to motor imagery and which channel is good for extracting features. A general approach is to use all electronic channels to analyze the EEG signals, but this causes many problems, such as overfitting and problems removing noisy and artificial signals. To overcome these problems, in this paper we used a new optimization method called the Fruit Fly optimization algorithm (FOA) to select the best channels and then combine them with CSP method to extract features to improve the classification accuracy by linear discriminant analysis. We also used particle swarm optimization (PSO) and a genetic algorithm (GA) to select the optimal EEG channel and compared the performance with that of the FOA algorithm. The results show that for some subjects, the FOA algorithm is a better method for selecting the optimal EEG channel in a short time.

• 융합신호처리학회논문지
• /
• 제18권2호
• /
• pp.31-36
• /
• 2017

이 연구는 비동기 매커니즘을 바탕으로 닫힌 눈(eye-closed) 및 이중 블링크 (double-blinking) EEG를 사용하여 BCI를 개발하는 것을 목표한다. 제안된 시스템은 신호 처리 모듈과 그래픽 사용자 인터페이스 (VK-가상 키보드)로 구성되어 있으며 26개의 영문자와 특수 기호로 구성됩니다. "눈 닫기"이벤트는 "선택"(select)명령을 유발하는 반면, "이중 블링크"(DB) 이벤트는 "실행 취소"(undo) 명령에 따라 실행합니다. 3개의 이벤트 그룹 ("열린 눈"(eye-open, "닫힌 눈" (eye-closed)및 "이중 블링크"(double-blinking)에 대한 EEG 신호 분석과 관련된 3 등급 벡터 보조 분류 (SVM) 기계가 제안되었습니다. 결과는 제안된 BCI가 평균 92.6 %의 전체 정확도와 5 글자 / 분의 맞춤법 비율을 달성 할 수 있음을 보여주었습니다. 전반적으로 이 연구는 실제 BCI 맞춤법을 구현하기의 실현 가능성과 신뢰성으로 인해 정확도와 철자 비율의 향상을 보여주었습니다.

• 한국전자통신학회논문지
• /
• 제19권3호
• /
• pp.583-588
• /
• 2024

BCI(뇌-컴퓨터 인터페이스) 기술의 등장으로 거울 신경을 분석하는 것이 용이해졌다. 그러나 인간의 생각에 의존하는 BCI 시스템의 정확성을 평가하는 것은 그 질적 특성으로 인해 어려움을 겪는다. BCI의 잠재력을 활용하기 위해 우리는 움직임의 궁극적인 목표에 따라 발화 속도가 영향을 받는 인간의 거울 신경의 특성을 기반으로 정확도를 측정하는 새로운 접근법을 제안한다. 본 논문에 2장에서는 거울 신경을 소개한다. 또한, 거울 신경을 위한 인간 자세 추정에 대한 설명을 제시한다. 3장에서는 인간 자세 추정 기법을 활용하여 실시간 동적 환경에 적합한 강력한 포즈 추정 방법을 소개한다. 이어서 이러한 로봇 환경을 이용한 BCI의 정확성을 분석하는 방법을 제시한다.

• 정보과학회 논문지
• /
• 제44권6호
• /
• pp.587-594
• /
• 2017

최근, 동작 상상(Motor Imagery) Electroencephalogram(EEG)를 기반으로 한 Brain-Computer Interface(BCI) 시스템은 의학, 공학 등 다양한 분야에서 많은 관심을 받고 있다. Common Spatial Pattern(CSP) 알고리즘은 동작 상상 EEG의 특징을 추출하기 위한 가장 유용한 방법이다. 그러나 CSP 알고리즘은 공분산 행렬에 의존하기 때문에 Small-Sample Setting(SSS) 상황에서 성능에 한계가 있다. 또한 사용하는 주파수 대역에 따라 큰 성능 차이를 보인다. 이러한 문제를 동시에 해결하기 위해, 4-40Hz 대역 EEG 신호를 9개의 필터 뱅크를 이용하여 분할하고 각 밴드에 Regularized CSP(R-CSP)를 적용한다. 이후 Mutual Information-Based Individual Feature(MIBIF) 알고리즘은 R-CSP의 차별적인 특징을 선택하기 위해 사용된다. 본 연구에서는 대뇌 피질의 운동영역 부근 18개 채널을 사용하여 BCI CompetitionIII DatasetIVa의 피험자 다섯 명(aa, al, av, aw 및 ay)에 대해 각각 87.5%, 100%, 63.78%, 82.14% 및 86.11%의 정확도를 도출하였다. 제안된 방법은 CSP, R-CSP 및 FBCSP 방법보다 16.21%, 10.77% 및 3.32%의 평균 분류 정확도 향상이 있었다. 특히, 본 논문에서 제안한 방법은 SSS 상황에서 우수한 성능을 보였다.

• 한국지능시스템학회논문지
• /
• 제18권5호
• /
• pp.605-610
• /
• 2008

사람과 컴퓨터의 인터페이스를 위한 방법에는 여러 가지가 있으나 보나 편리하고 몸이 불편한 사람들도 이용할 수 있도록 하기 위하여 최근에는 사람의 뇌파를 이용하여 인터페이스를 하기 위한 연구가 활발히 진행되고 있다. 따라서 세계 여러나라에서 뇌파에 대한 연구가 진행되고 있다. 하지만 아직까지 뇌파에 대한 정확한 분석이 이루어지지 못하고 있는 실정이다. 이를 위해 본 논문에서는 정확한 뇌파분석을 위한 뇌파 유발 자극방법 및 측정법을 제안하고, Fp1, Fp2, C3, C4 영역에서 뇌파를 측정하여 사람이 팔을 움직이고자 하는 상상을 할 때 ${\mu}$파와 ${\beta}$파에서 발견되는 Event-Related Synchronization(ERS), Event-Related Desynchronization(ERD)을 분석함으로써 사람의 의도를 뇌파를 통해 인지하고자 한다. 실험결과 피험자가 오른쪽 팔을 움직이고자 할 경우 왼쪽 뇌에서 ${\mu}$파 감소하고 ${\beta}$파는 증가하였으며, 왼쪽 팔을 움직이고자 한 경우 반대로 우뇌에서 ${\mu}$파가 감소하고 ${\beta}$파가 증가하는 것을 알 수 있었다.

• 대한의용생체공학회:의공학회지
• /
• 제33권1호
• /
• pp.15-24
• /
• 2012

Classification of human thought is an emerging research field that may allow us to understand human brain functions and further develop advanced brain-computer interface (BCI) systems. In the present study, we introduce a new approach to classify various mental states from noninvasive electrophysiological recordings of human brain activity. We utilized the full spatial and spectral information contained in the electroencephalography (EEG) signals recorded while a subject is performing a specific mental task. For this, the EEG data were converted into a 2D spatiospectral pattern map, of which each element was filled with 1, 0, and -1 reflecting the degrees of event-related synchronization (ERS) and event-related desynchronization (ERD). We evaluated the similarity between a current (input) 2D pattern map and the template pattern maps (database), by taking the inner-product of pattern matrices. Then, the current 2D pattern map was assigned to a class that demonstrated the highest similarity value. For the verification of our approach, eight participants took part in the present study; their EEG data were recorded while they performed four different cognitive imagery tasks. Consistent ERS/ERD patterns were observed more frequently between trials in the same class than those in different classes, indicating that these spatiospectral pattern maps could be used to classify different mental states. The classification accuracy was evaluated for each participant from both the proposed approach and a conventional mental state classification method based on the inter-hemispheric spectral power asymmetry, using the leave-one-out cross-validation (LOOCV). An average accuracy of 68.13% (${\pm}9.64%$) was attained for the proposed method; whereas an average accuracy of 57% (${\pm}5.68%$) was attained for the conventional method (significance was assessed by the one-tail paired $t$-test, $p$ < 0.01), showing that the proposed simple classification approach might be one of the promising methods in discriminating various mental states.