• 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.

• Physical Therapy Rehabilitation Science
• /
• 제4권1호
• /
• pp.28-31
• /
• 2015

Objective: Psychomotor imagery has been widely used to improve motor performance and motor learning. Recent research suggests that during visualization, changes occur in neurophysiological networks that make physical practice more effective in configuring functional networks for skillful behaviors. The aim of our pilot study was to determine if there was change and to what extent there was differentiation in modulation in electroencephalography (EEG) frequencies between visualizing a state of rest and a state of exercise performance and to identify the preponderant frequency. Design: Quasi-experimental design uncontrolled before and after study. Methods: EEG brain wave activity was recorded from 0-40 Hz from nine cerebral cortical scalp regions F3, Fz, F4, C3, Cz, C4, P3, POz, and P4 with a wireless telemetric EEG system. The subjects, while sitting on a chair with eyes closed, were asked to visualize themselves in a state of routine rest/relaxation and after a period of time in a state of their routine exercise performance. Results: The gamma frequency, 31-40 Hz, (${\gamma}$) was the predominant wave band in differentiation between visualizing a state of rest versus visualizing a state of exercise performance. Conclusions: We suggest these preliminarily findings show the EEG electrocortical activity for athletes is differentially modulated during visualization of exercise performance in comparison to rest with a predominant ${\gamma}$ wave band frequency observed during the state of exercise. Further controlled experimental studies will be performed to elaborate these observations and delineate the significance to optimization of psychomotor exercise performance.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제9권11호
• /
• pp.265-272
• /
• 2020

뇌파를 이용한 Brain-computer interface (BCI) 연구에서는 다른 그룹보다 그 성능을 발휘하지 못하는 소위 BCI-illiteracy 그룹이라고 알려진 사용자 집단에 대한 이해와 처리가 중요하다. 본 연구는 사용자로부터 사전 휴지 상태의 뇌파 신호를 미리 측정하고 그 신호로부터 주파수 기반의 특징 변수를 생성하여 이를 피험자 개인의 특성 변수로 사용하고, 추정된 개인 특성 변수를 이용하여 이후 움직임 상상 패러다임이 적용된 BCI 시행의 성능과 어느 정도의 정량적 연관성을 가지며 이를 정확하게 예측할 수 있는지를 밝히고자 하였다. 결과에 대한 신뢰성을 높이기 위해서 검증된 공개 뇌파 데이터베이스를 활용하고 Convolution neural network 기반의 딥러닝 기법을 활용하여 이진 BCI 성능 계산을 실시하였으며 Lasso 정규화가 적용된 선형 회귀 분석을 통해서 각 특징 변수와의 예측 관련성을 조사하였다. 첫 번째로 휴지 상태 뇌파 모든 특징 변수들과 BCI 성능 간의 연관성을 파악하기 위해서 전통적인 통계 방법들을 적용하였고 이를 통해서 전두엽에서 측정된 뇌파 신호들의 13 Hz를 기준으로 이보다 낮은 주파수와 높은 주파수 파워 간의 비율이 BCI 성능 사이와 통계적 유의미한 높은 상관성이 가지고 있다는 사실을 확인할 수 있었다. 이를 근거로 상대 주파수 비율 값이 BCI 성능을 예측해볼 수 있는 좋은 지표 후보군으로 지정하였다. 두 번째로 Lasso를 이용한 회귀 분석을 통해서 휴식 상태의 상대 주파수 비율 변수를 이용하여 BCI 성능 사이에 최대 선형 계수 0.544 수준의 선형 관계를 찾을 수 있었으며, BCI 과제를 잘 시행할 수 있는 그룹과 못할 그룹을 AUC 0.817 수준으로 예측할 수 있었다. 본 연구에서는 각 사용자마다 측정된 휴지 상태의 뇌파로부터 앞으로 있을 BCI 성능을 예측할 수 있는 방법론 제시함으로써 일반인을 대상으로 좀 더 신뢰성 있고 응용 가능한 BCI 시스템 개발에 기여하고자 한다.

• 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.