• 전기전자학회논문지
• /
• 제24권2호
• /
• pp.654-660
• /
• 2020

본 논문은 근육 동작시의 뇌파의 출력을 통해 불확실성이 상당히 존재하는 EEG 신호 안에서 좌우완 근육의 동작이나 사용자의 의지가 포함된 근육 신호 출력 시의 특정 부위 뇌파를 추출하여 좌우 동작 구분이 가능한 뇌파의 특징 벡터를 찾아낼 수 있는지를 확인한다. 일반적인 표면 근전도와 비침습적인 방식의 뇌파 추출 방법으로는 내부 신경 전달에 의한 이온화 정도와 전기 전도도의 크기를 통해서 그 동작 신호인지 구분할 수 있는 방법이 존재하지 않는다. 일반 로봇 제어 시스템이나 전기 신호를 통한 관절 및 모터 제어의 경우는 특정 신호의 전달 및 피드백 제어를 통해 관절 및 로봇 제어기를 제어할 수 있는 신호를 확인할 수 있지만, 인간의 인체는 정확한 뇌와 근육간의 프로토콜을 찾을 근거가 부족하다. 따라서 본 논문에서는 피험자의 동작이 이루어질 경우의 뇌파 분석을 통해 좌완의 신호와 우완의 신호를 특정할 만한 근거 신호 또는 특징 벡터를 추출할 수 있는지 확인하기 위해 CSP(Common Spatial Pattern) 필터의 적용 결과 활용하여 효율성을 검증한다. 더불어 검증을 위한 실험 설계를 통해 데이터를 획득하고, 필터 적용 유무에 따른 결과의 변화가 어떠한지 검증하며 구분 정확도를 높일 수 있는 방법을 제안한다.

• 대한의용생체공학회:의공학회지
• /
• 제30권5호
• /
• pp.428-437
• /
• 2009

The Performance research about EEG-BCI algorithm in BCI-naive subjects is very important for evaluating the applicability to the public. We analyzed the result of the performance evaluation experiment about the EEG-BCI algorithm in BCI-naive subjects on three different aspects. The EEG-BCI algorithm used in this paper is composed of the common spatial pattern(CSP) and the least square linear classifier. CSP is used for obtaining the characteristic of event related desynchronization, and the least square linear classifier classifies the motor imagery EEG data of the left hand or right hand. The performance evaluation experiments about EEG-BCI algorithm is conducted for 40 men and women whose age are 23.87${\pm}$2.47. The performance evaluation about EEG-BCI algorithm in BCI-naive subjects is analyzed in terms of the accuracy, the relation between the information transfer rate and the accuracy, and the performance changes when the different types of cue were used in the training session and testing session. On the result of experiment, BCI-naive group has about 20% subjects whose accuracy exceed 0.7. And this results of the accuracy were not effected significantly by the types of cue. The Information transfer rate is in the inverse proportion to the accuracy. And the accuracy shows the severe deterioration when the motor imagery is less then 2 seconds.

• 대한의용생체공학회:의공학회지
• /
• 제32권4호
• /
• pp.295-304
• /
• 2011

In this study, we evaluated the EEG based BCI algorithm using common spatial pattern to find realistic applicability using neurofeedback EEG based BCI algorithm - EEG mode, feature vector calculation, the number of selected channels, 3 types of classifier, window size is evaluated for 10 subjects. The experimental results have been evaluated depending on conditioned experiment whether neurofeedback is used or not In case of using neurofeedback, a few subjects presented exceptional but general tendency presented the performance improvement Through this study, we found a motivation of development for the specific classifier based BCI system and the assessment evaluation system. We proposed a need for an optimized algorithm applicable to the robust motor imagery evaluation system with more useful functionalities.

• 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%.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.2(A)
• /
• pp.21-22
• /
• 2010

Brain-Computer Interface (BCI) 는 뇌 신호를 이용하여 생각으로 기계 및 컴퓨터를 제어 할 수 있는 기술이다. 뇌전도(Electroencephalography, EEG) 를 이용한 본 연구는 왼쪽/오른쪽 손 상상 움직임 실험에 대해서 특징 추출 (feature extraction)에 관�� 연구로 총 9명의 피험자로부터 얻어진 뇌 전도 데이터를 이용하여 전통적인 방법 (Common Spatial Pattern, CSP 및 Fisher Linear Discriminant, FLDA)을 이용해 구한 분류 정확도와 본 논문에서 사용 된 Symbolic transfer entropy (STE)을 통해 얻어진 특징에 대한 결과를 보여 준다. 본 연구를 통하여 STE를 통한 특징 추출 방법이 의미가 있다고 생각한다.

• 인지과학
• /
• 제21권2호
• /
• pp.309-338
• /
• 2010

본 논문에서는 사지가 마비되어 신체를 움직이지 못하지만 뇌의 기능은 살아있는 장애인들을 위하여, 생각만으로 외부의 장치를 제어할 수 있도록 하는 뇌-컴퓨터 인터페이스(BCI: Brain-Computer Interface) 기술을 연구하였다. 신경생리학 분야에서의 연구 결과에 의하면, 신체를 움직이는 상상을 할 경우, 뇌의 운동/감각 피질 영역에서는 $\beta$파(14-26 Hz)와 $\mu$파(8-12 Hz)가 억제/증가되는 ERD/ERS(Event-Related Desynchronization / Synchronization) 현상이 발생한다고 알려져 있다. 본 연구에서는 이를 기반으로 혀, 발, 왼손, 오른손의 동작 상상을 자극으로 이용하여 변화하는 뇌 신호 패턴을 실시간으로 분석하여 피험자의 생각을 읽을 수 있도록 하였으며, 상 하 좌 우의 네 방향으로 이동할 수 있도록 하는 마우스 제어 인터페이스를 구현하였다. 동작 상상 시 발생하는 뇌 신경 활동의 변화를 관측하기 위해서 뇌에 손상을 주지 않으면서도 높은 시간 해상도로 측정이 가능한 비침습적 뇌전도(EEG: ElectroEncephaloGraphy)를 이용하였다. 그러나 뇌전도 신호는 특성상 신호의 크기가 미약하고, 잡음의 영향을 많아 분석이 어렵다. 따라서 이를 극복하기 위해 통계적 방법을 기반으로 한 기계학습 기법인 CSP(Common Spatial Pattern)와 선형판별 분석(Linear Discriminant Analysis)을 이용하여 서로 다른 동작 상상에 의해 발생하는 뇌 신호들 간의 분산이 최대가 되도록 신호를 변환하여 인식 성능을 높일 수 있었다. 또한 분석된 뇌 신호의 시각화를 통해, 기존에 알려진 뇌의 해부학적, 신경생리학적 지식과 일치하는 ERD/ERS 현상이 발생하는 것을 확인할 수 있었다.

• 정보과학회 논문지
• /
• 제42권12호
• /
• pp.1535-1543
• /
• 2015

뇌-컴퓨터 인터페이스는 사용자의 뇌전도(Electroencephalogram: EEG)를 획득하여 생각만으로 기계를 제어하거나 신체장애를 가진 사람에게 손 또는 발과 같은 신체를 대신하여 의사 전달 수단으로 사용될 수 있다. 본 논문에서는 동작 상상 EEG를 분류하기 위해 Sub-Band Common Spatial Pattern(SBCSP)를 기반으로 필터 선택을 하지 않는 특징 추출 방법에 대해 연구한다. 4~40Hz의 동작 상상 신호를 4Hz 대역마다 나눈 9개의 서브 밴드에 각각 CSP를 적용한다. 이후 Fisher's Linear Discriminant(FLD)를 사용하여 도출된 값들을 결합한 FLD 점수 벡터에 차원 축소를 위한 Principal Component Analysis(PCA)를 적용하여 클래스 구분을 위한 최적의 평면에 특징을 투영한다. 데이터베이스는 BCI CompetitionIII dataset IVa(2 클래스: 오른손 다리)를 이용하며, 추출된 특징은 Least Squares Support Vector Machine(LS-SVM)의 입력으로 사용된다. 제안된 방법의 성능은 $10{\times}10$ fold cross-validation을 이용하여 분류 정확도로 나타낸다. 본 논문에서 제안하는 방법은 피험자 'aa', 'al', 'av', 'aw', 'ay'에 대하여 각각 $85.29{\pm}0.93%$, $95.43{\pm}0.57%$, $72.57{\pm}2.37%$, $91.82{\pm}1.38%$, $93.50{\pm}0.69%$의 분류 정확도를 보였다.

• 제어로봇시스템학회논문지
• /
• 제22권3호
• /
• pp.199-203
• /
• 2016

A brain-computer interface or BCI provides an alternative method for acting on the world. Brain signals can be recorded from the electrical activity along the scalp using an electrode cap. By analyzing the EEG, it is possible to determine whether a person is thinking about his/her hand or foot movement and this information can be transferred to a machine and then translated into commands. However, we do not know which information relates to motor imagery and which channel is good for extracting features. A general approach is to use all electronic channels to analyze the EEG signals, but this causes many problems, such as overfitting and problems removing noisy and artificial signals. To overcome these problems, in this paper we used a new optimization method called the Fruit Fly optimization algorithm (FOA) to select the best channels and then combine them with CSP method to extract features to improve the classification accuracy by linear discriminant analysis. We also used particle swarm optimization (PSO) and a genetic algorithm (GA) to select the optimal EEG channel and compared the performance with that of the FOA algorithm. The results show that for some subjects, the FOA algorithm is a better method for selecting the optimal EEG channel in a short time.

• 제어로봇시스템학회논문지
• /
• 제19권6호
• /
• pp.527-533
• /
• 2013

BCI (Brain-Computer Interface) is a system that transforms a subject's brain signal related to their intention into a control signal by classifying EEG (electroencephalograph) signals obtained during the imagination of movement of a subject's limbs. The BCI system allows us to control machines such as robot arms or wheelchairs only by imaging limbs. With the exact same experiment environment, activated brain regions of each subjects are totally different. In that case, a simple approach is to use as many channels as possible when measuring brain signals. However the problem is that using many channels also causes other problems. When applying a CSP (Common Spatial Pattern), which is an EEG extraction method, many channels cause an overfitting problem, and in addition there is difficulty using this technique for medical analysis. To overcome these problems, we suggest an optimal channel selection method using a BPSO (Binary Particle Swarm Optimization), BPSO with channel impact factor, and GA. This paper examined optimal selected channels among all channels using three optimization methods and compared the classification accuracy and the number of selected channels between BPSO, BPSO with channel impact factor, and GA by SVM (Support Vector Machine). The result showed that BPSO with channel impact factor selected 2 fewer channels and even improved accuracy by 10.17~11.34% compared with BPSO and GA.