• 한국과학교육학회지
• /
• 제24권4호
• /
• pp.722-730
• /
• 2004

The purpose of this study was to test the notion that the inter-individual difference in hypothesis-generating is presumably detected by differentiating subjects' EEG correlation patterns of the prefrontal lobes. To test the notion of the inter-individual difference by EEG analysis, eight healthy undergraduate volunteers' EEG signals on the prefrontal lobes were recorded during hypothesis-generating and resting with eyes-closed condition. Their EEG signals were analyzed by time durations and transformed into correlation patterns. The results showed that subjects' EEG correlation patterns during hypothesis-generating were significantly different among individuals. In addition, the EEG correlation patterns were decreased during hypothesis-generating thinking. Furthermore, subject's EEG correlation showed a fluctuationpattern through-out hypothesis-generating, which is presumably caused by the difference of subjects' thinking activities in hypothesis-generating. This study also suggests a possibility that student's scientific thinking ability and the difficulty of scientific knowledge generating may be measured by the analysis of subject's EEG correlation pattern of the prefrontal lobes.

• 대한인간공학회지
• /
• 제23권4호
• /
• pp.57-66
• /
• 2004

EEG(Electroencephalogram) provides a possibility of communicating between a human and a computer, called BCI(brain computer interface). EEG evoked by a movement has been often used as a control command of a computer. This study is to predict human movements by EEG parameters showed significant consistency. Three undergraduate students were asked to move both hands and foots thirty times respectively. Each movement consisted of single and three consecutive movements. Their EEG signals were analyzed to obtained ERD(Event Related Desynchronization) and ERS(Event Related Synchronization). The results showed that ERD and ERS could be used as a significant classifier identifying either single movement or repetitive movement of human limbs. The number of repetition of movement could be used to various control commands of a computer.

• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.133-153
• /
• 2023

본 논문에서 우리는 뇌 신호 측정 기술 중 하나인 뇌전도를 활용한 새로운 접근방식을 제안한다. 전통적으로 연구자들은 감정 상태의 분류성능을 향상시키기 위해 뇌전도 신호와 생체신호를 결합해왔다. 우리의 목표는 뇌전도와 결합된 생체신호의 상호작용 효과를 탐구하고, 뇌전도+생체신호의 조합이 뇌전도 단독사용 또는 임의로 생성된 의사 무작위 신호와 결합한 경우에 비해 감정 상태의 분류 정확도를 향상시킬 수 있는지를 확인한다. 네 가지 특징추출 방법을 사용하여 두 개의 공개 데이터셋에서 얻은 데이터 기반의 뇌전도, 뇌전도+생체신호, 뇌전도+생체신호+무작위신호, 및 뇌전도+무작위신호의 네 가지 조합을 조사했다. 감정 상태 (작업 대 휴식 상태)는 서포트 벡터 머신과 장단기 기억망 분류기를 사용하여 분류했다. 우리의 결과는 가장 높은 정확도를 가진 서포트 벡터 머신과 고속 퓨리에 변환을 사용할 때 뇌전도+생체신호의 평균 오류율이 뇌전도+무작위신호와 뇌전도 단독 신호만을 사용한 경우에 비해 각각 4.7% 및 6.5% 높았음을 보여주었다. 우리는 또한 다양한 무작위 신호를 결합하여 뇌전도+생체신호의 오류율을 철저하게 분석했다. 뇌전도+생체신호+무작위신호의 오류율 패턴은 초기에는 깊은 이중 감소 현상으로 인해 감소하다가 차원의 저주로 인해 증가하는 V자 모양을 나타냈다. 결과적으로, 우리의 연구 결과는 뇌파와 생체신호의 결합이 항상 유망한 분류성능을 보장할 수 없음을 시사한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(A)
• /
• pp.334-336
• /
• 2012

EEG 신호에 대한 연구는 의학, 신경과학, 심리학, 컴퓨터과학, 전자 공학 등 여러 학문 분야에서 많은 연구가 진행되고 있다. EEG 신호는 추출하는데 있어서 필연적으로 각종 Artifact와 분석대상이 아닌 신호가 혼재되어 분석 결과의 부정확성을 가지고 있어 EEG 신호의 활용이 주목받은지 오래되었지만 충분히 활용되지 못하고 있다. 이 문제를 해결하기 위해 각종 필터링 연산 등을 통하여 잡음을 제거하고 혼재된 신호를 분류해 내고 있지만, 잡음제거나 신호분류에 사용되는 방법이 고정된 수식을 이용하는 방법이기 때문에 유연한 측정 및 분류를 할 수 없는 것이 현실이다. 본 논문에서 제안하는 매개변수 선택형 시스템은 정제되지 않은 EEG 신호에서 잡파를 제거하고 정제된 신호에서 분석에 필요한 특징을 추출하는데 있어 사용자에게 착용된 EEG 신호 측정기기에서 전극채널, 신호발생영역 및 주파수 대역 등의 매개변수를 선택하고 필요에 따라 매개변수에 가중치를 부여함으로써, 측정의 정확성을 높이고 EEG 신호의 활용에 신뢰도를 향상 시킬 수 있다.

• 대한인간공학회지
• /
• 제27권2호
• /
• pp.9-14
• /
• 2008

Coherence can be used to evaluate the functional cortical connections between the motor cortex and muscle. This study is to find coherence between EEG (electroencephalogram) and EMG (electromyogram) evoked by movement of a hand. Seven healthy participants were asked to perform thirty repetitive movement of right hand for ten seconds with rest for ten seconds. Specific feature of EEG components has been extracted by ICA (independent component analysis) and coherence between EEG and EMG was analyzed from data measured EEG in five local areas around central part of head and EMG in flexer carpri radialis muscle during grabbing movement. Coherence between EEG and EMG was successfully obtained at 0.025 confidence limit during hand movement and showed significant difference between rest and movement at 13-18Hz.

• 한국전자통신학회논문지
• /
• 제11권9호
• /
• pp.923-928
• /
• 2016

오늘날 사람들의 건강을 실시간으로 점검하고 응급상황에 대처하기 위해 다양한 기술들이 개발되어지고 있다. 지금까지는 대부분 맥박과 같은 생체신호를 측정하여 활용하고 있지만 최근에는 뇌파(EEG)를 활용하는 연구가 늘어나고 있다. 그러나 길에서 걸어 다니는 모든 사람들의 EEG 신호를 실시간으로 검출하여 해당 서버에 전송하는 것은 여러 가지 문제점을 야기시킨다. 특히, 2차원 공간에서 실시간으로 EEG 신호를 수집 및 전송하는 제약이 존재하기 때문에 본 논문에서는 이러한 제약을 피할 수 있는 3차원 공간의 드론을 활용하는 효율적인 네트워크 모델을 제안하고자 한다. 이러한 모델을 Opnet 시뮬레이터를 활용하여 네트워크 구조를 설계하고 시뮬레이션하고 평가하였다.

• Annals of Clinical Neurophysiology
• /
• 제9권2호
• /
• pp.59-62
• /
• 2007

Electroencephalogram (EEG) is an indispensable tool for diagnosis of epilepsy and is the only assisting barometer of complete remission of epilepsy, which means prolonged, persistent suppression of cortical excitement in epileptic focus in addition to the clinical control of epileptic seizure. The specific morphologies or distribution of epileptic form discharges give us good information for the classification of seizure or epilepsy and epileptic syndromes, which consists of "Pros." in terms of diagnostic approach. In contrast, the EEG as a tool for long-term follow up might be limited due to the various clinical situation of each patient, which consists of "Cons." in terms of the usefulness of EEG for clinical decision. "Cons." aspect of EEG, which clinicians are more frequently coped with than those of "Pros", is an obstacle of utilization of follow up EEG in clinical practice. This is an overview about controversies in usefulness of EEG and the detailed aspects of "Pros." and "Cons." of EEG for clinical decision will be discussed following two articles. We tried to make consensus for the usefulness of EEG especially in the situation of "Cons." with plausible guideline.

• 대한한의진단학회지
• /
• 제11권2호
• /
• pp.128-140
• /
• 2007

Purpose: We performed this study to examine the correlationship between EEG complexity and impedance cardiography data using correlation analysis. Method: This study performed on 30 healthy subjects(16 males, 14 females). Before and after natural respiration, ICG data were recorded, and EEG raw data were measured by moving windows during 15 minutes. The correlation dimension(D2) was calculated from 15 minutes data. 8 channels EEG data were analysed with 9 index of ICG data by correlation analysis. Result: 1. ACI of impedance cardiography had significant correlationship with ch.4 of EEG complexity(p=0.03). 2. VI of impedance cardiography had significant correlationship with ch.3 of EEG complexity(p=0.034) and ch.4 of EEG complexity(p=0.017). 3. HR, TFC, PEP, LVET, STR of impedance cardiography had no significant correlationship with all of 8 channel EEG complexity. Conclusions: These results suggest that nonlinear analysis of EEG and impedance cardiography have some significant correlationship. And it can make out relationship between brain system and cardiovascular system. In the future, therefore, more study of these fields are necessary.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권5호
• /
• pp.203-210
• /
• 2022

보건의료 데이터를 사용하는 연구 및 기업이 늘어나며 세계적으로 보건의료 데이터 활성화를 위한 노력을 진행 중이다. 하지만 기관에 따라 사용하는 시스템과 서식이 다르다. 이에 본 연구는 EEG Report의 의무기록 유형을 분류하는 기저 모델 구축을 통해 향후 다기관의 텍스트 데이터를 유형에 따라 분류하는 기저 모델을 구축하였다. EEG Report 분류를 위해 4가지의 딥러닝 기반 알고리즘에 대해 비교하였다. 실험 결과 One-Hot Encoding으로 벡터화하여 학습한 ANN 모델이 71%의 정확도로 가장 높은 성능을 보였다.

• 전기학회논문지
• /
• 제60권6호
• /
• pp.1190-1195
• /
• 2011

This paper presents a waist pressure evaluation method in human sensibility using a electroencephalogram(EEG) signal. For this objective, a size-controllable waist-belt is used. First of all, EEG signals for relaxed state are acquired. Then, the waist-belt of the subject is tightened about 90% of normal state. After a few minutes, the belt of the subject is released. Some necessary preprocessing is performed on the acquired signals, Linear Prediction (LP) coefficients are utilized as the feature parameters extracting the characteristics of EEG signal, and a multi-layer neural network is used for indicating the state of body pressure. The results of the method showed 77.2% of coincidence with body pressure states. This may be compromising results for ssubject-independent sensibility evaluation using EEG signal.