• Journal of Korea Game Society
• /
• v.10 no.6
• /
• pp.115-124
• /
• 2010

In the beginning brain waves were used for monkeys to control robot arm with neural activity. In recent years there are research that measured brain waves are used for the control of programs which monitor the progression of dementia or enhance of attention in children diagnosed with Attention Deficit Hyperactivity Disorder (ADHD). Moreover, low-price devices that can be used as a game control interface have become available. One of the problems associated with control using brain waves is that the mean amplitude, mean wavelength, and mean vibrational frequency of the brain waves differ from individual to individual. This paper attempts to propose a method to normalize measured brain waves using normal distribution and calculate the waveforms that can be used in controlling games. For this, a framework in which brain waves are converted in seven stages has been suggested. In addition, the estimation process in each stage has been described. In an experiment the waveforms of two subjects have been compared using the proposed method in the BCI English word learning program. The level of similarity between two subjects' waveforms has been compared with correlation coefficient. When the proposed method was applied, both meditation and concentration increased by 13% and 8%, respectively. Because the proposed regularization method is converted into a waveform fit for control functions by reducing personal characteristics reflected in the brain waves, it is fitting for application programs such as games.

• Journal of Digital Convergence
• /
• v.17 no.3
• /
• pp.221-226
• /
• 2019

The characteristic of the beta wave among the EEG waves corresponds to the stress area of human perception. The over-bandwidth of the stress is extracted by analyzing the beta-wave correlation between the low-bandwidth and high-bandwidth. We present a KMeans clustering analysis model for unsupervised machine learning to construct an analytical model for analyzing and extracting the beta-wave correlation. The proposed model classifies the beta wave region into clusters of similar regions and identifies anomalous waveforms in the corresponding clustering category. The abnormal group of waveform clusters and the normal category leaving region are discriminated from the stress risk group. Using this model, it is possible to discriminate the degree of stress of the cognitive state through the EEG waveform, and it is possible to manage and apply the cognitive state of the individual.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2012.10a
• /
• pp.66-68
• /
• 2012

본 논문에서는 자체 개발한 Java Platform 기반의 뇌파 분석 도구와 Android 기반의 Mobile 기기를 연계하여 중증 장애인의 상태 및 상황 등을 모니터링 할 수 있는 시스템을 제시한다. 제안된 시스템은 뇌파 측정기, 뇌파 분석 툴(PC Client) 그리고 Mobile 기기(Android)로 크게 3부분으로 구성된다. 뇌파 측정기로부터 수집된 원 주파수에서 저주파 대역의 잡음을 제거하기 위해 고주파 필터를 적용한 후, 적용된 데이터를 주파수 영역에서 분석하기 위해 FFT를 적용한다. FFT를 적용한 데이터를 Power Spectrum 분석 기법을 이용하여 Theta, Delta, Alpha, SMR, Beta 파형의 값을 추출하고, 14 채널의 뇌파 측정 위치에 따른 상관관계 분석기법을 통해 중증 장애인의 상태를 표현한다. 본 논문에서 제안한 방법으로 실험한 결과, 중증 장애인 모니터링 시스템에 효율적으로 적용되는 것을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.1001-1004
• /
• 2014

IT 기술과 의료 기술이 발전함에 따라 뇌파를 이용한 많은 연구들이 진행되고 있다. 컴퓨터로 사용자가 뇌파를 측정하고, 측정된 뇌파를 실시간으로 모니터링 할 수 있는 고속 데이터 처리 알고리즘을 소개하고, 측정된 뇌파를 통하여 우울증을 진단할 수 있는 시스템을 구현하였다. 특히 실시간 뇌파지표 분석을 통하여 뇌파의 기본파형이 분류되고, 분류된 신호에서 개발된 알고리즘에 따라 주의/이완/집중/우울의 4가지 지표가 실시간으로 도출된다.

• 전기의세계
• /
• v.46 no.5
• /
• pp.3-10
• /
• 1997

뇌파, 즉 뇌전도는 뇌에서 일어나는 전위의 변화를 기록하는 것이다. 이는 두개골의 두피에 전극을 부착하거나 뇌 표면 또는 뇌속에 전극을 삽입하여 기록할 수 있다. 종래에는 뇌파는 활동전위의 동기화와 통합의 결과로서, 어떤 피질 영역에서의 뉴론의 활동을 직접 반영하는 것이라고 생각되어 왔다. 그러나 EEG 활동에서 상당한 부분은 뉴론의 막전위에 기인하며, 특히 느린 시냅스 후 전위의 가중에 기인한다고 할 수 있다. 그렇지만 활동전위가 EEG에 전혀 공헌하지 않는 것은 아니다. EEG는 그 파형에 따라 동기화 또는 비동기화로 나눌 수 있는데, 그 근간을 이루는 뇌 구조물은 상이하다. 그리고 피질의 활동에서 유래한 EEG는 피질하 구조물에 의해서도 영향을 받는다. 이러한 EEG를 활용한 연구는 인간 정신 과정을 이해하는데 이바지하는 바가 클 것이다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1993-1994
• /
• 2008

뇌-기계 인터페이스(BMI : Brain Machine Interface)는 사람의 뇌에서 추출된 데이터를 이용하여 신체동작 없이 기계나 컴퓨터를 동작시키는 새로운 인터페이스 기술이다. 이러한 뇌-기계 인터페이스 기술은 자발전위 뇌파와 유발전위 뇌파를 이용한다. 자발전위 뇌파는 원하는 파형의 파워 값을 조절하여 새로운 인터페이스를 만드는 것이고, 유발전위 뇌파는 자극을 받았을 때 발생하는 값을 이용하여 새로운 인터페이스를 구현하는 것을 말한다. 이 중 자발전위는 사람이 스스로 뇌파의 방출량을 조절할 수 있어 집중력 향상과 같은 효과를 얻을 수 있다는 장점이 있다. 따라서 본 연구에서는 자발전위를 이용하여 뇌-기계 인터페이스 기술을 구현하였다.

• Journal of Internet Computing and Services
• /
• v.10 no.5
• /
• pp.127-133
• /
• 2009

This paper presents an approach to classify normal and epilepsy from electroencephalogram(EEG) using a neural network with weighted fuzzy membership functions(NEWFM). To extract input features used in NEWFM, wavelet transform is used in the first step. In the second step, the frequency distribution of signal and the amount of changes in frequency distribution are used for extracting twenty-four numbers of input features from coefficients and approximations produced by wavelet transform in the previous step. NEWFM classifies normal and epilepsy using twenty four numbers of input features, and then the accuracy rate is 98%.

• 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.

• Journal of Biomedical Engineering Research
• /
• v.20 no.6
• /
• pp.555-560
• /
• 1999

간질은 신경세포의 일부가 짧은 시간동안 과도한 전기를 발생시킴으로써 일어나는 신경계의 발작적 증상으로 배경 활동파와는 구별되는 극파, 예파, 예파와 서파를 동반한 극서파 복합(sharp and slow complexes)의 뇌파 특징파를 갖는다. 장시간의 뇌파기록에서 시간의 절약과, 정량화를 위해 컴퓨터를 이용한 간질 파형의 자동 검출은 객관성을 높이고 정량적인 해석을 위해 필수적이다. 본 연구에서는 간질 뇌파를 검출하기 위해 웨이브렛 변환과 신경망을 사용하였다. 웨이브렛 변환은 잡음을 제거하고 간질 뇌파의 특징을 강조하며 신경망의 입력노드수를 줄였다. 전문가에 의해서 분류된 간질특성과 정상뇌파를 신경망에 입력시켜 최적의 신경망구조를 선택하였고, 검출 문턱치를 설정하였다. 신경망은 200ms(26개의 데이터포인트)신호의 웨이브렛 결과와 웨이브렛 변환후 데이터 상의 최대, 최소 기울기가 입력되어 전체 28개의 입력 노드로 구성하였다. 은닉층은 18노드, 문턱치값은 민감도와 선택도가 일치하는 0.65가 사용되었다. 결과로 임상 환자 데이터에 입력되어 78.54% 의 검출률을 보였다.

• Journal of Biomedical Engineering Research
• /
• v.22 no.1
• /
• pp.81-90
• /
• 2001

본 연구에서는 디지털 영상 뇌파계(digital video electroencephalogram, Digital VEEG)에서 비디오 영상과 뇌전도 파형의 동기화된 편집 시스템을 구성한다. 이 시스템은 기존 아날로그 영상 뇌파계(analog video electroencephalogram)의 동기화 문제와 디지털 영상 시스템에서의 영상편집 문제를 해결하기 위하여 MPEG-I(이하 MPEG) 고압축 기술을 이용한 MPEG 인코딩 보드(encoding board)와 MPEG 편집 엔진(editing engine)을 각각 사용하였다. 시스템은 디지털 영상뇌파계모듈과 디지털 편집 모듈로 구성되며, 뇌전도모듈에서는 환자에게 연결된 전극을 통해 들어온 뇌파를 생체신호증폭기를 이용하여 증폭한 후 AD 보드(analog to digital board)를 이용 디지털화한다. 디지털 카메라로 촬영된 환자영상의 아날로그 영상신호(NTSC 신호)는 MPEG 인코딩 보드를 이용하여 고압축 디지털화한다. 이후 디지털화된 뇌전도신호와 MPEG 형식의 영상을 시간 동기화하여 두 개의 모니터에 각각보여준다. 편집 모듈에서는 영상신호와 뇌파신호를 어느 부분이든 간단한 조작으로 오려 붙이기(cut and paste) 기능을 이용할 수 있다. 본 시스템은 사용된 데이터 모두 디지털 기술을 이용하여 영상과 뇌파신호의 정확한 동기화 및 각각의 데이터의 오려 붙이기 기능을 가능케 하였으며, 이는 환자의 데이터를 관리 및 보관하는데 있어, 임상의에게 의미 있는 자료만을 모아서 효율적으로 관리할 수 있게 해준다. 이와 같은 장점을 갖는 디지 영상뇌파계 편집시스템을 구현하였다.