• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1995년도 추계학술대회
• /
• pp.117-120
• /
• 1995

The electronencephalogram (EEG) is a complex electrical signal which reflects generalized brain activity. The EEG is utilized in the clinical assesment of many neurological and psychiatric disorders and offers promise for monitoring of patients undergoing operation. This paper describes a technique for quantitative analysis of EEG signals which is based on an eigenspace. Examples of the application approach to simulated and clinical EEG data illustrate the capabilities.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제51권1호
• /
• pp.39-42
• /
• 2002

For the purpose of modeling EEG signal which has nonstationary and nonlinear dynamic characteristics, this paper propose a state feedback real time recurrent neural network model. The state feedback real time recurrent neural network is structured to have memory structure in the state of hidden layers so that it has arbitrary dynamics and ability to deal with time-varying input through its own temporal operation. For the model test, Mackey-Glass time series is used as a nonlinear dynamic system and the model is applied to the prediction of three types of EEG, alpha wave, beta wave and epileptic EEG. Experimental results show that the performance of the proposed model is better than that of other neural network models which are compared in this paper in some view points of the converging speed in learning stage and normalized mean square error for the test data set.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2006년도 하계종합학술대회
• /
• pp.879-880
• /
• 2006

The subject of this paper is to recognize the stable state of EEG using wavelet transform and power spectrum analysis. An alpha wave, showed in stable state, is dominant wave for a human EEG and a beta wave displayed excited state. We decomposed EEG signal into an alpha wave and a beta wave in the process of wavelet transform. And we calculated each power spectrum of EEG signal, an alpha wave and a beta wave using Fast Fourier Transform. We recognized the stable state by making a comparison between power spectrum ratios respectively.

• 한국콘텐츠학회논문지
• /
• 제11권4호
• /
• pp.27-32
• /
• 2011

본 논문은 수면 2기의 EEG 신호와 주성분 분석(principle component analysis)을 이용하여 수면 장애를 분류하는 방안을 제안하고 있다. 초기 특징을 추출하기 위해서 첫 번째 단계에서는 수면 2기의 EEG 신호가 고속 푸리에 변환(fast Fourier transforms)에 의해서 잡음을 제거하는 과정이 수행되었다. 잡음이 제거된 EEG 신호를 두 번째 단계에서는 주성분 분석을 이용하여 5개의 차원으로 축소하였다. 마지막 단계에서는 축소된 5개의 차원을 가중 퍼지소속함수 기반 신경망(neural network with weighted fuzzy membership functions, NEWFM)의 입력으로 사용하여 분류성능을 측정하였다. 분류성능에 있어서 정확도(accuracy), 특이도(specificity), 민감도(sensitivity)가 모두 100%로 나타났다.

• 한국의류학회지
• /
• 제44권5호
• /
• pp.824-836
• /
• 2020

This study investigated the effects of textile attachments on electroencephalogram using 20 persons (10 males and 10 females). Four types of attachment cushions were manufactured by changing the shell fabric (cotton and microfiber) and interlining (synthetic loose fiber and buckwheat). This was done using BIOS-S8 (BioBrain Inc., Korea), an 8-channel polygraph for multi-body signal measurement, to measure EEG. Data were analyzed using the SPSS 24.0 statistical program. EEG values were significantly activated according to gender, particularly when the subjects' eyes were open. For the male cases, 'RT', 'RAHB' values were highly activated and for the female cases, 'RA', 'RB', 'RG', 'RFA', 'RST', 'RLB', 'RMB', 'RST', 'RMT' values were highly activated. Examining the differences in EEG according to type of attachment indicated no significant difference in both sexes. However, in cases of females with their eyes closed, the 'RSA' index was quite different in the left occipital lobe (O1), and when their eyes were open, the 'RFA' in the right frontal lobe (F4) showed a significant difference. However, there was no obvious correlation between the activation of EEG and the subjective preference of textile attachments.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 ISIS 2003
• /
• pp.260-263
• /
• 2003

EEC is an electrical signal, which occurs during information processing in the brain. These EEG signals has 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. A BCI has to perform two tasks, the parameter estimation task, which attemps to describe the properties of the EEG signal and the classification task, which separates the different EEC patterns based on the estimated parameters. First, we have to do parameter estimation of EEG to embody BCI system. It is important to improve performance of classifier, But, It is not easy to do parameter estimation by reason of EEG is sensitivity and undergo various influences. Therefore, this research should do parameter estimation and classification of the EEG to use various analysis algorithm.

• 한국차세대컴퓨팅학회논문지
• /
• 제15권3호
• /
• pp.16-24
• /
• 2019

최근 뇌파를 기반으로 한 인간의 감정을 인식하는 연구가 인간-로봇 상호작용 분야에서 활발히 진행되고 있다. 본 논문에서는 MAHNOB-HCI에서 사용된 자기평가와 주석 레이블링 방법과는 다른, 이미지 기반의 뇌파 Topography를 이용한 레이블링을 통해 감정을 평가하는 방법을 제안한다. 제안한 방법은 뇌파 신호를 Topography의 이미지로 변환하여 기계학습 모델을 학습하고 이를 기반으로 Valence 기반의 감정을 평가한다. 제안한 방법은 레이블링 과정을 자동화하여 지연 시간을 없애고 객관적인 레이블링을 제공할 수 있다. MAHNOB-HCI 데이터베이스를 적용한 실험에서 SVM, kNN의 기계학습 모델을 학습하여 주석 레이블링과 성능 비교를 하였으며, 제안 방법의 감정인식 정확도를 SVM에서 54.2%, kNN에서 57.7%로 확인하였다.

• 한국통신학회논문지
• /
• 제38C권7호
• /
• pp.623-629
• /
• 2013

본 논문에서는 뇌파 전송 프로토콜 설계하고 이를 검증할 테스트 플랫폼 제작 결과를 소개한다. 건식 전극에서 검출된 뇌파는 인접한 ADC(analog-to-digital converter)를 거쳐 디지털 신호로 변환되고, 각 센서 노드에서 디지털 신호로 변환된 뇌파는 $I^2C$(inter-integrated circuit) 프로토콜을 통해서 DSP(digital signal processor) 플랫폼으로 전송된다. DSP 플랫폼에서는 뇌파 전처리 알고리즘 수행 및 뇌 특성 벡터 추출 등의 기능을 수행한다. 본 연구에서는 각 채널당 10비트 또는 12비트 ADC를 사용하여 최대 16채널의 데이터를 전송하기 위하여 $I^2C$ 프로토콜을 적용하였다. 실험결과 4바이트 데이터 버스트전송을 수행하면 통신오버헤드가 2.16배로 측정이 되어 10 비트 또는 12 비트 1 ksps ADC를 16채널로 사용시 총 데이터전송율이 각각 345.6 kbps, 414.72 kbps 로 확인되었다. 따라서 400 kbps 고속전송모드 $I^2C$를 사용할 경우 ADC 비트에 따라서 슬레이브와 마스터의 채널비가 각각 16:1, $(8:1){\times}2$ 로 되어야 한다.

• 한국산업정보학회논문지
• /
• 제22권1호
• /
• pp.41-51
• /
• 2017

This Paper Describes a Method for the Evaluation of Sleep Apnea, Namely, the Peak Signal-to-noise ratio (PSNR) of Wavelet Transformed Electroencephalography (EEG) Data. The Purpose of this Study was to Investigate EEG Properties with Regard to Differences between Sleep Spindles and K-complexes and to Characterize Obstructive Sleep Apnea According to Sleep Stage. We Examined Non-REM and REM Sleep in 20 Patients with OSA and Established a New Approach for Detecting Sleep Apnea Base on EEG Frequency Changes According to Sleep Stage During Sleep Apnea Events. For Frequency Bands Corresponding to A3 Decomposition with a Sampling Applied to the KC and the Sleep Spindle Signal. In this Paper, the KC and Sleep Spindle are Ccalculated using MSE and PSNR for 4 Types of Mother Wavelets. Wavelet Transform Coefficients Were Obtained Around Sleep Spindles in Order to Identify the Frequency Information that Changed During Obstructive Sleep Apnea. We also Investigated Whether Quantification Analysis of EEG During Sleep Apnea is Valuable for Analyzing Sleep Spindles and The K-complexes in Patients. First, Decomposition of the EEG Signal from Feature Data was Carried out using 4 Different Types of Wavelets, Namely, Daubechies 3, Symlet 4, Biorthogonal 2.8, and Coiflet 3. We Compared the PSNR Accuracy for Each Wavelet Function and Found that Mother Wavelets Daubechies 3 and Biorthogonal 2.8 Surpassed the other Wavelet Functions in Performance. We have Attempted to Improve the Computing Efficiency as it Selects the most Suitable Wavelet Function that can be used for Sleep Spindle, K-complex Signal Processing Efficiently and Accurate Decision with Lesser Computational Time.

• 융합신호처리학회논문지
• /
• 제21권1호
• /
• pp.7-12
• /
• 2020

수술 중 마취 깊이를 측정하는 방법으로 뇌파를 이용한 다양한 파라미터들이 사용되고 있으며, 실제 임상에서는 선형분석 기법 중 하나인 SEF가 널리 사용되고 있다. 그러나 최근 EEG를 포함한 생체학적 신호는 비선형 성질을 가지고 있다는 연구결과가 발표되면서, 이를 기반으로 한 파라미터 개발이 이뤄지고 있다. 본 연구에서는 보다 정확한 EEG 측정과 분석을 위해 비선형 분석 기법 기반의 파라미터를 개발과 이에 대한 정현파 분석을 통한 데이터와의 비교 분석을 통해 수술 중 전자장비와 EEG 계측 시 혼입될 수 있는 노이즈를 추출하고자 한다.