• Journal of the Institute of Convergence Signal Processing
• /
• v.20 no.2
• /
• pp.63-69
• /
• 2019

In this study, bispectrum analysis method introduced to reduce variability of SEF(spectral edge frequency) and MF(median frequency), which are the anesthetic depth indexes extracted by EEG spectral analysis. Bispectrum analysis is an analytical method that can confirm the nonlinearity of EEG. Signal measurement and analysis in the surgical environment should take into consideration various external artifact factors. Bispectrum analysis can confirm the presence of externally introduced artifacts, thereby effectively eliminating artifacts that affect the EEG signal. By applying bispectrum parameters, real-time variability of the anesthetic depth parameters SEF, MF could be reduced. Elimination of variability makes it possible to use SEF, MF as a real-time index during surgery.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2001.05a
• /
• pp.1-5
• /
• 2001

시각제시에 의한 감성반응 생체신호 추출 실험시 시각 제시물 선정에 주관적 방식을 사용하였다. 시각제시 영상물로는 감성반응도가 가장 큰 인물얼굴 영상자료를 선정하였다. 피검자군 스스로 자신이 극도로 선호하고 혐오하는 양극단의 얼굴영상물을 선호도 특성조사를 통해 선택케 하였다. 외부와의 영상잡음이 차폐된 모니터 제시 장치를 구성하여 선호와 혐오의 양극단 영상물을 교차 제시하며 설문조사와 뇌파를 측정하였다. 피검자로는 남녀 대학생 20명을 선발하였으며 영상매체 선정을 비롯한 뇌파측정에 과정에 참여시켰다. 뇌파신호 분석 방법으로는 대역별 적분값, 반응구간 변화 미분값을 파라미터로 사용하였다. 분석결과, 교차제시에 따른 반응민감도가 향상되었으며 동일 시각 반복제시에 따라 민감도가 둔화됨을 밝혔다.

• Journal of Korea Game Society
• /
• v.15 no.2
• /
• pp.105-114
• /
• 2015

We propose a real time user interface that utilizes emotion recognition by physiological signals. To improve the problem that was low accuracy of emotion recognition through the traditional EEG(ElectroEncephaloGram), We developed a physiological signals-based emotion recognition system mixing relative power spectrum values of theta/alpha/beta/gamma EEG waves and autonomic nerve signal ratio of ECG (ElectroCardioGram). We propose both a data map and weight value modification algorithm to recognize six emotions of happy, fear, sad, joy, anger, and hatred. The datamap that stores the user-specific probability value is created and the algorithm updates the weighting to improve the accuracy of emotion recognition corresponding to each EEG channel. Also, as we compared the results of the EEG/ECG bio-singal complex data and single data consisting of EEG, the accuracy went up 23.77%. The proposed interface system with high accuracy will be utillized as a useful interface for controlling the game spaces and smart spaces.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 1998.04a
• /
• pp.176-182
• /
• 1998

청각자극에 의한 쾌/불쾌 감성상태의 특징을 구별하기 위하여 21채널의 측정된 뇌파신호를 이용하였다. 이를 위하여 비선형 분석방법인 바이스펙트럼 분석을 도입하였으며 청각신호에 잘 반응하는 T3, T4채널에 대하여 조사하였다. 쾌한 감성 상태에서는 비슷한 주파수 쌍의 상호작용이 큼을 알 수 있었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.7-10
• /
• 2007

많은 과학자들은 인간의 사고를 functional Magnetic Resonance Imaging (fMRI), Time Resolved Spectroscopy(TRS), Electroencephalography(EEG)등을 이용해서 두뇌 활동 영역을 연구하고 있다. 주로 의학 분야와 심리학의 영역에서 두뇌의 활동을 연구하여 간질이나 발작을 알아내고 거짓말 탐지 분야에서도 사용된다. 본 논문에서는 사람의 두뇌활동을 측정하여 인간의 감정을 인식하는 연구에 중점을 두었다. 특히 fMRI와 TRS 그리고 EEG를 이용해서 사람의 두뇌활동을 측정하는 연구를 하였다. 많은 연구자들이 한 가지 측정 장치만을 사용하여서 측정하거나 fMRI와 EEG를 동시에 측정하는 연구를 진행하고 있다. 현재에는 단순히 두뇌의 활동을 측정하거나 측정시 발생하는 잡음들을 제거하는 연구들에 중점을 두고 진행되고 있다. 본 연구에서는 fMRI와 TRS를 동시에 측정하여 얻은 두뇌 활동 데이터를 가지고 감정에 따른 활동영역의 EEG신호를 측정하였다. EEG 신호분석에 있어서 기존의 뇌파만을 가지고 특정을 찾아내는 것을 넘어서 각각의 채널에서 기록되는 뇌파의 파형을 주파수에 따라서 분류하고 정확한 측정을 위해 낮은 주파수를 제거하고 연구자가 필요한 부분의 뇌파를 분석하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.87-90
• /
• 2002

뇌파(Electroencephalogram, EEG)는 뇌 신경세포가 정보를 처리하는 과정에서 발생하는 전기적인 신호를 두피 표면에서 측정한 것이다. 이러한 뇌파는 비침습적인 방법으로 전기적인 신호를 측정하며 측정시 여러 잡파(artifact)가 섞이기 쉽다. 이러한 잡파는 뇌의 정보처리과정에 대한 유용한 정보를 담고 있는 뇌파를 분석하는데 방해가 되므로 이를 제거하기 위한 노력이 계속되어 왔다. 그러나 본 연구에서는 보다 적극적인 방향으로 잡파가 섞인 뇌파의 특성을 분석하여 이를 통해 제어 시스템 등과 같은 시스템에 적용할 수 있는 가능성을 알아보았다. 대표적인 잡파인 eye_blinking, eye_rolling, muscle 등이 각각 포함된 뇌파에 대해서 선형 및 비선형 분석을 실시함으로써 유의미한 특성 차이를 나타내었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.469-472
• /
• 2002

사람의 뇌 속에 있는 신경 세포들은 여러 정보 처리 활동을 하면서 전기적인 신호를 발생시키는데 이를 두피 표면에서 측정한 것이 뇌파이다. 이러한 뇌파는 임상에서 주로 이용되어 왔으나 근래에는 이러한 뇌파를 이용하여 컴퓨터와 통신하거나 기기를 제어할 수 있는 이른바 BCI(Brain-Computer Interface)에 대한 연구가 대두되고 있다 BCI 연구의 궁극적 목표는 다양한 정신상태에 따른 뇌파의 특성을 파악하여 컴퓨터나 기기 등을 제어하는 것이다. 이를 위하여 본 연구에서는 좀 더 정확하고 신뢰성 있는 기기 제어를 위해 피험자의 의지대로 발생시킨 잡파를 이용하여 방향 제어 시스템을 구현하였다. 뇌파에 포함된 잡파 중 구별될 수 있는 특징을 나타내는 잡파를 선택하고 이들의 패턴을 인식하고 분류한 후 이를 제어 신호로 변환하여 방향을 제어하는 시스템을 구현하였다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.52 no.3
• /
• pp.136-144
• /
• 2015

The EEG system can be classified as a wired or wireless device. Each device used for the medical or entertainment purposes. The collected EEG signals from sensor are analyzed using feature extractions. A wireless EEG system provides good portability and convenience, however, it requires a mobile system that has heavy computing power. In this paper a single board system is proposed to handle EEG signal processing for BCI applications. Unfortunately, the computing power of a single board system is limited unlike general desktop systems. Thus, parallel approach using multiple single board systems is investigated. The parallel EEG signal processing system that we built demonstrates superlinear speedup for an EEG signal processing algorithm.

• Journal of Biomedical Engineering Research
• /
• v.24 no.2
• /
• pp.99-106
• /
• 2003

In this paper, a method of discriminating EEG for diagnoses of mental activity is proposed. The proposed method for classification of schizophrenia and normal EEG is based on the wavelet transform and the artificial neural network. The wavelet coefficients of $\alpha$ band, $\beta$ band, $\theta$ band, and $\delta$ band are obtained using the wavelet transform. The magnitude, mean, and variance of wavelet coefficients for each EEG band are applied to the input data of the system's ANN. The architecture of the ANN s a four layered feedforward network with two hidden layer which implements the error back propagation learning algorithm. Through the classification of schizophrenia composed of 19 ANNs corresponding to 19 channels, the classifying system show that it can classify the 100% of the normal EEG group and the 86.67% of the schizophrenia EEG group.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.13 no.4
• /
• pp.427-432
• /
• 2003

EEG is an electrical signal, which occurs during information processing in the brain. These EEG signals have been used clinically, but nowadays we ate mainly studying Brain-Computer Interface (BCI) such as interfacing with a computer through the EEG, controlling the machine through the EEG. The ultimate purpose of BCI study is specifying the EEG at various mental states so as to control the computer and machine. This research makes the controlling system of directions with the artifact that are generated from the subject s will, for the purpose of controlling the machine correctly and reliably We made the system like this. First, we select the particular artifact among the EEG mixed with artifact, then, recognize and classify the signals pattern, then, change the signals to general signals that can be used by the controlling system of directions.