• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1997년도 추계학술대회
• /
• pp.459-463
• /
• 1997

In this paper, we present the elimination of ECG artifact from the polysomnographic EEG and EOG. The idea of this method is that the ECG synchronized EEG segment is detected from ECG and regard samples of that segment a missing signal. After this, we used two interpolation methods to recover the missing segment. One is the Lagrange Polynomial Interpolation Method and the other is the Least Square Error AR Interpolation method. We tested those methods by applying to simulated signals. AR methods works well enough to reject the artifact about 10% of the main artifact level. We practically applied to real EEG and EOG signals. We also developed the algorithm to detect whether the artifact level is high or not. If the artifact level is high, then the interpolations are applied.

• 산업경영시스템학회지
• /
• 제37권1호
• /
• pp.1-8
• /
• 2014

This paper proposes an emotion classifier from EEG signals based on Bayes' theorem and a machine learning using a perceptron convergence algorithm. The emotions are represented on the valence and arousal dimensions. The fast Fourier transform spectrum analysis is used to extract features from the EEG signals. To verify the proposed method, we use an open database for emotion analysis using physiological signal (DEAP) and compare it with C-SVC which is one of the support vector machines. An emotion is defined as two-level class and three-level class in both valence and arousal dimensions. For the two-level class case, the accuracy of the valence and arousal estimation is 67% and 66%, respectively. For the three-level class case, the accuracy is 53% and 51%, respectively. Compared with the best case of the C-SVC, the proposed classifier gave 4% and 8% more accurate estimations of valence and arousal for the two-level class. In estimation of three-level class, the proposed method showed a similar performance to the best case of the C-SVC.

• 전기전자학회논문지
• /
• 제22권4호
• /
• pp.1175-1179
• /
• 2018

본 논문에서는 뇌파 신호를 이용하여 환자의 경련을 감지하는 순환 CNN (Convolutional Neural Networks)을 제안한다. 제안 된 방법은 뇌파 신호의 스펙트럼 특성과 전극의 위치를 보존하기 위해 영상으로 데이터를 매핑하여 처리하였다. 스펙트럼 전처리 과정을 거친 후 CNN에 입력하고 공간 및 시간 특성을 웨이블릿 변환(wavelet transform)없이 추출하여 발작을 검출하였다. 여기에 사용된 보스턴 매사추세츠 공과 대학 (Boston Massachusetts Institute of Technology, CHB-MIT) 아동 병원의 데이터셋 결과는 시간당 0.85의 민감도와 90 %의 위양성 비율 (FPR)을 보였다.

• 한국음향학회지
• /
• 제41권2호
• /
• pp.115-121
• /
• 2022

본 논문에서는 음악 청취 시에 나타나는 뇌파 특징을 이용하여 사용자 감정에 따른 음악 분류 시스템을 제안한다. 제안된 시스템에서는 뇌파 신호로부터 추출한 감정별 뇌파 특징과 음악신호에서 추출한 청각적 특징 간의 관계를 회귀 심층신경망을 통해 학습한다. 실제 적용 시에는 이러한 회귀모델을 기반으로 제안된 시스템은 입력되는 음악의 청각 특성에 매핑된 뇌파 신호 특징을 자동으로 생성하고, 이 특징을 주의집중 기반의 심층신경망에 적용함으로써 음악을 자동으로 분류한다. 실험결과는 제안된 자동 음악분류 프레임 워크의 음악 분류 정확도를 제시한다.

• 디지털콘텐츠학회 논문지
• /
• 제19권4호
• /
• pp.821-827
• /
• 2018

Affective Computing은 HCI (Human Computer Interaction) 및 건강 관리 분야에서 다양한 애플리케이션이 개발됨에 따라 최근 몇 년 동안 관심이 높아지고 있다. 이에 필수적으로 필요한 인간의 감정 인식에 대한 중요한 연구가 있었지만, 언어 및 표정과 비교하여 심전도 (ECG) 또는 뇌파계 (EEG) 신호와 같은 생리적 신호 분석에 따른 감정 분석에 대한 관심은 적었다. 본 논문에서는 이산 웨이블릿 변환을 이용한 EEG 기반 감정 인식 시스템을 제안하고 감정 관련 정보를 얻기 위해 다른 뇌파와 뇌 영역을 연구 하였으며, 웨이블릿 계수에 기초한 특징 세트가 웨이블릿 에너지 특징과 함께 추출되었다. 중복성을 최소화하고 피처 간의 관련성을 극대화하기 위해 mRMR 알고리즘이 피쳐 선택에 적용된다. 다중클래스 Support Vector Machine을 사용하여 4 가지 종류의 인간 감정을 크게 분류하였으며 공개적으로 이용 가능한 "DEAP"데이터베이스의 뇌파 기록이 실험에서 사용되었다. 제안 된 접근법은 기존의 알고리즘에 비해 향상된 성능을 보여준다.

• 한국콘텐츠학회논문지
• /
• 제11권4호
• /
• pp.42-50
• /
• 2011

생체신호인 뇌파를 이용하여 이러닝 학습자의 학습태도를 파악하고 그에 따른 적절한 피드백을 제공하여 학습자의 학습효율을 극대화하려는 연구의 일환으로 여대생을 대상으로 학습자의 학습태도와 뇌파를 분석하여 이들의 상관관계를 밝혀보고자 한다. 학습자가 학습에 집중하는 태도와 그렇지 않은 태도에 대해 뇌파의 파워 스펙트럼을 추출하여 학습자의 뇌파가 어떻게 반응하는지에 중점을 두어 연구하였다. 학습에 집중하는 태도의 대조군으로 산만한 태도와 눈감은 태도를 설정하여 실험을 진행하였다. 학습에 집중하는 태도에서는 집중도가 산만한 태도에 비하여 높게 나타나고 이완지표는 낮게 나타나며, 클릭과 눈굴림과 같은 산만한 태도에서는 주의지표와 잡파 비율이 높게 나왔다. 특히, 눈을 감았을 때는 알파 세타 비율이 1이하로 나타나 눈을 뜬 다른 상태와 뚜렷이 구분되었다.

• 한국전자통신학회논문지
• /
• 제15권3호
• /
• pp.527-532
• /
• 2020

본 논문에서는 개인인증 시 활용 가능한 EEG 신호의 주파수 대역을 확인하기 위하여 뇌파 측정을 통해 분석한 결과를 제시하였다. 시각 과제의 유무에 따라 개안 상태와 폐안 상태로 구분하여 뇌파를 측정하였으며, 이를 델타파, 세타파, 알파파, SMR파, 중간베타파, 베타파 및 감마파의 7종류의 주파수 대역으로 나누어 시간에 따른 파워의 변동이 가장 작은 주파수 대역을 관찰하였다. 본 논문의 결과에서는 개안 상태와 폐안 상태에서는 유의한 차이가 나타나지 않았으나, 인간의 집중과 관련한 SMR파 및 중간베타파가 시간에 따른 파워의 변동이 가장 작게 관찰되었기에 재현성이 높은 주파수 대역인 것으로 나타났다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.924-926
• /
• 2015

본 논문에서는 IoT 지능화한 Arduino를 기반으로 한 디바이스와 MyndPlay를 이용한 인터페이스를 사용해 현재 많은 나라들이 연구비를 집중시키고, 많은 연구를 활성화 시키고 있는 뇌 - 컴퓨터 인터페이스(Brain - Computer Interface)를 만들고, 최종적으로는 EEG(Electroencephalography)를 기반으로 뇌 - 컴퓨터 인터페이스의 목적인 뇌- 컴퓨터 접속(Brain - Computer Connection)환경을 만들고자한다. EEG(Electroencephalography) 기반의 장비를 착용한 사람의 뇌파를 인식하고, 분석, 분류함으로 사용자의 상태에 맞게 지능화된 사물을 설계하는 것에 관한 연구를 진행했으며, 휴대폰과 같은 다른 디바이스와 통신하기 위해서 XBee와 Bluetooth를 사용했다. 최종적으로 사용자의 현재 상태를 뇌파를 통해 확인하고 전원의 조절과 다른 사물을 EEG로 제어할 수 있게 구현하는 논문이다.

• 한국인터넷방송통신학회논문지
• /
• 제16권3호
• /
• pp.103-108
• /
• 2016

일상생활에서 인간은 끊임없이 스트레스를 받으며 살아간다. 스트레스는 삶의 질과 밀접하게 연관이 있으며, 건강한 삶은 스트레스에 적절하게 대처하며 살아가는 삶이다. 스트레스는 호르몬 분비에 영향을 주며, 호르몬 분비의 변화는 뇌 신호 및 생체 신호에 영향을 준다. 이를 바탕으로, 본 논문은 스트레스와 뇌파 신호와의 관련성을 확인하였으며, 더 나아가 뇌파 신호 기반 정량적 스트레스 지수를 찾아보았다. 사용한 뇌파 장비는 32채널 유선 EEG 장비이며, 상업용 2채널(FP1, FP2) 뇌파 장비와의 비교를 위해, 상업용 뇌파 장비와 동일한 위치에 있는 2채널만 이용하여 데이터를 분석하였다. 뇌파의 주파수 특징점으로는 각 주파수 대역대의 파워 값, 주파수 대역대 파워 값들 간의 비율 및 차이 등을 테스트해 보았으며, 시간 특징점으로는 허스트 지수, 상관 지수, 리아프노프 지수 등을 테스트해 보았다. 총 6명의 피 실험자가 본 실험에 참여하였으며, 실험 과제로는 영어 지문이 사용되었다. 여러 특징점들 중 ${\theta}$ 파워/mid ${\beta}$ 파워가 가장 좋은 테스트 성능을 보여줬으며, 테스트 데이터에 대하여 평균 70.8%의 스트레스 분류 정확도를 얻었다. 추후, 저가 상용 2채널 뇌파 장치를 이용해서 비슷한 결과가 나오는지 확인해 볼 예정이다.

• 한국정보통신학회논문지
• /
• 제12권12호
• /
• pp.2349-2356
• /
• 2008

본 논문에서는 정상인의 정신적인 뇌 활동에 의한 순수한 뇌파를 측정하고 효과적으로 분류하기 위한 방법을 제시한다. 과정은 대상자가 특정한 작업에 대해 생각하게 하고 이때의 뇌파를 청각이벤트에 동기시켜 측정하고, 측정된 뇌파의 기준선의 이동과, 생리적인 아티펙트의 영향을 줄인다. 마지막으로, 평균가산법에 의해 정신적인 작업에 대한 신호만을 추출하고 AR 계수를 가지고 인식작업을 수행한다. 실험에서, 청각자극을 이벤트로 사용하였으며, 뇌파의 도출은 $C_3-A_1$, $C_4-A_2$, $P_Z-A_1$의 3채널에서 기록하였다. 각 채널당 16회의 평균가산후에, 12차 AR계수로 특정한 정신적인 작업에 대한 특징을 추출하였다. 전체 36개의 특징계수를 신경망의 입력으로 사용하고, 각 작업 당 50회를 훈련데이터로 사용하였다. 제안한 방법의 인식률은 2종류 작업에 대해 34-92%, 4종류 작업에 대해 38-54%를 얻었다.