• ETRI Journal
• /
• 제44권4호
• /
• pp.672-685
• /
• 2022

This article proposes a subject-independent application of brain-computer interfacing (BCI). A 32-channel Electroencephalography (EEG) device is used to measure imagined speech (SI) of four words (sos, stop, medicine, washroom) and one phrase (come-here) across 13 subjects. A deep long short-term memory (LSTM) network has been adopted to recognize the above signals in seven EEG frequency bands individually in nine major regions of the brain. The results show a maximum accuracy of 73.56% and a network prediction time (NPT) of 0.14 s which are superior to other state-of-the-art techniques in the literature. Our analysis reveals that the alpha band can recognize SI better than other EEG frequencies. To reinforce our findings, the above work has been compared by models based on the gated recurrent unit (GRU), convolutional neural network (CNN), and six conventional classifiers. The results show that the LSTM model has 46.86% more average accuracy in the alpha band and 74.54% less average NPT than CNN. The maximum accuracy of GRU was 8.34% less than the LSTM network. Deep networks performed better than traditional classifiers.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.847-850
• /
• 2016

뇌-컴퓨터 인터페이스(Brain-Computer Interface: BCI) 기술의 중요성 및 활용도가 증대됨으로써 EEG(electroencephalogram: EEG)기반의 사용자 인터페이스에 대한 개발 및 연구가 활발히 진행되고 있다. 그러나 뇌파 발생 훈련이 되어 있지 않은 사용자는 EEG 기반의 사용자 인터페이스를 사용하기가 어렵다. 따라서 본 논문에서는 향후 뇌파 훈련을 위한 시뮬레이터를 개발하고자, 그 전단계로 사용자에게서 공통적으로 정확도가 높게 측정되는 채널 및 특징점을 비교, 분석 하였다. 피험자 3명의 왼손 동작 상상과 오른손 동작 상상으로 발생된 EEG 생체신호로부터 ERD/ERS를 확인하고, 8개의 특징점을 추출하여 SVM 분류 알고리즘을 기반으로 정확도를 측정하였으며, ${\mu}$대역 채널 AF4, F4에서의 특징 MAV에서 가장 우수한 성능을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1396-1398
• /
• 2015

BCI (Brain Computer Interface)는 사람의 두뇌와 컴퓨터를 연결하는 '뇌-컴퓨터 인터페이스'를 나타내는 것이며 EEG(Electroencephalogram)을 주로 분석하여 인간의 행동이나 의도를 파악한다. 본 논문에서는 EEG를 이용한 행동인식의 하나로 졸음을 판단하는 방법을 제안한다. 제안방법에서는 MindWave를 이용하여 얻은 실험 데이터를 FFT를 이용하여 1초 단위로 스펙트럼을 분석하여 High-Alpha 영역의 시간에 따른 데이터 변화 패턴을 분석하여 졸음을 판단한다. 실험 결과, 100%의 최고 성능을 얻을 수 있었다.

• 의료법학
• /
• 제24권2호
• /
• pp.147-196
• /
• 2023

오늘날에는 기술의 발전으로 인간의 뇌에 직접 자극을 가하여 질병을 치료하거나 뇌파를 통해 직접 기계를 조정하는 것이 가능해졌다. 이러한 뇌신경과학기술은 비침습적으로 이루어질 수도 있으나 적어도 현재까지는 뇌에 직접 전극이나 마이크로칩을 이식하는 침습적 방법이 필요한 자극을 더 정확하게 가하거나 뇌파를 더 정밀하게 측정할 수 있다. 뇌심부자극술(DBS)의 경우 파킨슨병, 본태성진전증에 대해 안정적인 치료방법으로 인정받고 있으며, 그 외 알츠하이머나 우울증 등에도 활용할 수 있는지 연구가 진행중이다. 뇌-컴퓨터 인터페이스(BCI)의 경우 임상단계이지만 신경이 손상되어 신체를 움직이지 못하는 사람들의 신체기능을 대체하거나 재활치료를 지원하는 역할을 할 것으로 기대되고 있다. 문제는 이러한 침습적 뇌신경과학기술을 필요로 하는 사람들의 상당수는 질병 또는 신경 손상으로 인해 판단능력이 손상되어 있거나 의사표시를 제대로 할 수 없는 사람들인데 반해, 이 기술들을 이용한 시술은 고도의 침습적인 시술이어서 반드시 환자 본인의 동의를 필요로 한다는 것이다. 특히 뇌신경과학기술이 아직 임상시험단계에 머물러 있는 영역에서는 위험은 그만큼 커지고 이익은 불확실하기 때문에 이를 고려하여 수술을 받을지 여부를 판단할 수 있도록 더 충분한 설명이 이루어져야 한다. 환자에게 성년후견이 개시되어 있다면 성년후견인이 - 경우에 따라서는 법원의 허가를 받아 - 이 시술에 대한 동의를 대신할 수 있을 것이다. 성년후견이 개시되어 있지 않은 경우 환자의 판단능력이 손상되어 있거나 의사표시를 할 수 없는 경우가 문제이다. 우리 의료 실무에서는 환자가 동의할 수 없는 경우 환자의 보호자에게 동의를 받는 경향이 있지만, 환자의 보호자라는 개념은 우리법상 근거를 찾기 어려운 개념이어서 문제가 있다. 장기적으로는 환자의 배우자나 근친이 보충적으로 환자의 의료행위 동의대행권을 갖도록 법률상 규정하는 편이 타당할 것이다. 뇌신경과학시술을 받은 환자에게 부작용 등 손해가 발생한 경우도 검토를 요한다. 만일 환자에게 수술에 수반되는 위험에 대해 제대로 설명이 되지 않았다면 위자료 청구가 가능하다. 의료과실과 부작용 사이에 인과관계가 있다면 그 부작용에 대해서도 손해배상청구를 할 수 있다. 또한 BCI나 DBS 모두 뇌에 전극이나 마이크로칩등을 이식하고 이를 외부의 컴퓨터를 통해 제어하기 때문에 인체의식형 의료기기가 사용된다. 인체이식형 의료기기에는 제조물책임법이 적용되므로 그 결함으로 인해 부작용이 발생했다고 인정된다면 제조자에 대해서 손해배상을 청구할 수 있다. 최근 우리 의료기기법에는 인체이식형 의료기기 책임보험제도가 시행되어 피해자가 구제를 받을 가능성이 더 강하게 보장된다.

• 제어로봇시스템학회논문지
• /
• 제21권1호
• /
• pp.59-64
• /
• 2015

In this paper, we found the usefulness of the deep belief network (DBN) in the fields of brain-computer interface (BCI), especially in relation to imagined speech. In recent years, the growth of interest in the BCI field has led to the development of a number of useful applications, such as robot control, game interfaces, exoskeleton limbs, and so on. However, while imagined speech, which could be used for communication or military purpose devices, is one of the most exciting BCI applications, there are some problems in implementing the system. In the previous paper, we already handled some of the issues of imagined speech when using the International Phonetic Alphabet (IPA), although it required complementation for multi class classification problems. In view of this point, this paper could provide a suitable solution for vowel classification for imagined speech. We used the DBN algorithm, which is known as a deep learning algorithm for multi-class vowel classification, and selected four vowel pronunciations:, /a/, /i/, /o/, /u/ from IPA. For the experiment, we obtained the required 32 channel raw electroencephalogram (EEG) data from three male subjects, and electrodes were placed on the scalp of the frontal lobe and both temporal lobes which are related to thinking and verbal function. Eigenvalues of the covariance matrix of the EEG data were used as the feature vector of each vowel. In the analysis, we provided the classification results of the back propagation artificial neural network (BP-ANN) for making a comparison with DBN. As a result, the classification results from the BP-ANN were 52.04%, and the DBN was 87.96%. This means the DBN showed 35.92% better classification results in multi class imagined speech classification. In addition, the DBN spent much less time in whole computation time. In conclusion, the DBN algorithm is efficient in BCI system implementation.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제9권11호
• /
• pp.247-249
• /
• 2020

4차 산업혁명 시대에 다양한 분야에서 ICT 기술 간 융합에 대한 요구가 증가하고 있다. 이에 마쳐 데이터, 네트워크, 인공지능 기술이 결합한 새로운 용어인 DNA(Data, Network, AI)가 사용 중이다. DNA는 지능형 응용 및 서비스 개발에 있어 잠재적 기술력을 가지고 있다. 이에 본 논문에서는 DNA 기술 기반의 논리적 포그 네트워크 기반의 서비스 이미지 배치 기술, 산업용 무선 센서 네트워크에서의 기계학습 기반 이동성 기술, 뇌신호 주파수 특성을 이용한 CNN 기반 BCI 성능 예측 기술, 소스코드 주제를 이용한 인공신경망 기반 경고 분류 방법 기술, 챗봇 환경에서 데이터 시각화 인터랙션을 위한 자연어처리 기술에 대한 심사 완료된 논문들을 소개한다.

• 한국전자통신학회논문지
• /
• 제13권6호
• /
• pp.1333-1342
• /
• 2018

지금까지 뇌파(Electroencephalography - EEG)는 뇌전증 진단 및 치료를 위한 가장 중요하고 편리한 방법이었다. 그러나 뇌전증 뇌파 신호의 파형 특성은 매우 약하고 비 정지 상태이며 배경 노이즈가 강하기 때문에 식별하기가 어렵다. 이 논문에서는 간질 뇌파의 특징 선택을 통한 차원 감소를 통한 분류 방법의 효과를 분석한다. 우리는 차원 감소를 위해 주 요소 분석, 커널 요소 분석, 선형 판별 분석 방법을 사용하였다. 차원 감소방법의 성능 분석을 위해 Support Vector Machine: SVM), Logistic Regression(: LR), K-Nearestneighbor(: K-NN), Decision Tree(: DR), Random Forest(: RF) 분류 방법들을 사용해 평가하였다. 실험 결과에 따르면, PCA는 SVM, LR 및 K-NN에서 75% 정확도를 나타냈다. KPCA는 SVM과 K-KNN에서 85%의 성능을 보였으며 LDA는 K-NN를 이용했을 때 100 %의 정확도 보여주었다. 따라서 LDA를 이용한 차원 감소가 뇌전증 EEG 신호에 대한 최고의 분류 결과 보여주었다.

• 한국지능시스템학회논문지
• /
• 제23권2호
• /
• pp.178-183
• /
• 2013

In this study, we proposed a method for electroencephalogram (EEG) classification using invariant CSP at special channels for improving the accuracy of classification. Based on the naive EEG signals from left and right hand movement experiment, the noises of contaminated data set should be eliminate and the proposed method can deal with the de-noising of data set. The considering data set are collected from the special channels for right and left hand movements around the motor cortex area. The proposed method is based on the fit of the adjusted parameter to decline the affect of invariant parts in raw signals and can increase the classification accuracy. We have run the simulation for hundreds time for each parameter and get averaged value to get the last result for comparison. The experimental results show the accuracy is improved more than the original method, the highest result reach to 89.74%.

• 전자공학회논문지
• /
• 제52권10호
• /
• pp.139-147
• /
• 2015

Steady state visual evoked potential (SSVEP)는 뇌파의 종류 중 하나로서 다른 뇌파에 비해 훈련 시간이 짧고, 비교적 높은 신호대잡음비 (signal-to-noise ratio)와 높은 정보전달량 (information transfer rate)을 가지고 있어서 최근에 뇌-컴퓨터 접속 장치 (brain-computer interface; BCI)에 많이 사용되고 있다. SSVEP 신호를 분석하는 기존 기법에는 전력 스펙트럼 밀도 분석 (power spectral density analysis; PSDA)과 정준상관분석 (canonical correlation analysis; CCA)이 있다. 그러나 PSDA는 단일 전극만을 사용하기 때문에 잡음에 취약한 단점이 있고, CCA는 PSDA보다 높은 정확도를 가지지만 사인-코사인을 기준 신호로 가지므로 짧은 시간 윈도우 길이를 가질 경우 실시간 BCI 시스템에 적용되기 어렵다. 따라서 본 논문에서는 기존의 기법들의 한계점을 보완하기 위해 CCA의 결과로 얻을 수 있는 정준변수 간의 전력차이를 이용하는 CCA와 PSDA를 결합한 기법을 제안한다. 실험 결과를 통해, SSVEP 기반 BCI 시스템이 짧은 시간 윈도우 길이를 가질 때 제안된 기법이 기존의 CCA 기법에 비해 더욱 높은 주파수 인식 정확도를 가짐을 보여준다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권5호
• /
• pp.497-501
• /
• 2008

본 논문에서는 연속적인 뇌파 분류를 위해 비음수 텐서 분해를 이용한 특징 추출과 비터비 알고리즘을 이용한 연속적인 데이타의 클래스 분류를 결합한 새로운 알고리즘을 제시한다. 비음수 텐서 분해는 이미 스펙트럼 데이타에 대해 뇌파의 주요한 특징을 잘 추출한다고 알려진 비음수 행렬 분해의 확장으로써 행렬이라는 제한된 틀에서 벗어나 데이타가 가지는 다양한 차원으로의 확대가 가능하다. 뇌-컴퓨터 인터페이스 컴피티션을 통해 공개된 데이터를 이용한 실험을 통해 제안된 방법의 유용함을 증명하도록 하겠다.