• 전자공학회논문지
• /
• 제54권7호
• /
• pp.71-78
• /
• 2017

감정을 분류하는 대표적인 알고리즘에는 Support-vector-machine (SVM), Bayesian decision rule 등이 있다. 하지만 기존의 연구자들은 위와 같은 방법에는 문제점이 있다고 지적하였다. 이를 보완하기 위해 다른 연구자는 경사도를 이용하여 새로운 패턴인식 알고리즘을 제안하였다. 본 논문에서는 이 알고리즘을 통해 새로운 EEG 기반의 감정 인식 알고리즘을 제안하고 기존의 연구와 비교한다. 본 논문에서는 신뢰도 높은 자료를 얻기 위해 여러 논문에서 사용된 DEAP (a database for emotion analysis using physiological signals)를 사용하였다. 또한, 객관적인 검증을 위해 기존의 연구에서 사용된 4개의 뇌파 채널(Fz, Fp2, F3, F4)의 PSD (Power Spectral Density)를 특징으로 사용하여 감정의 2개 척도 (Arousal, Valence)를 분류하였다. 본 논문에서 실시한 교차검증 (4-fold)에 의하면 Valence 축에서 85%, Arousal 축에서 87.5의 정확도를 얻을 수 있었다.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1993년도 추계학술대회
• /
• pp.156-159
• /
• 1993

In this paper, computerized BEAM (brain electrical activity map) was implemented for objective and quantitative multichannel EEG analysis. BEAM is calculated by 4 point Interpolation method and number of elements are 5140. Representation methods of BEAH are two. One is dot density method which classify brain electrical potential 9 levels by dot density and the other is color method which classify brain electrical 12 levers by different colors. In this BEAM, instantaneous change and average energy distribution over any arbitrary time interval of brain electrical activity could be observed and analyzed easily.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제55권5호
• /
• pp.240-247
• /
• 2006

Frequent arousals during sleep degrade the quality of sleep and result in sleep fragmentation. Visual inspection of physiological signals to detect the arousal events is cumbersome and time-consuming work. The purpose of this study is to develop an automatic algorithm to detect the arousal events. The proposed method is based on time-frequency analysis and the support vector machine classifier using single channel electroencephalogram (EEG). To extract features, first we computed 6 indices to find out the informations of a subject's sleep states. Next powers of each of 4 frequency bands were computed using spectrogram of arousal region. And finally we computed variations of power of EEG frequency to detect arousals. The performance has been assessed using polysomnographic (PSG) recordings of twenty patients with sleep apnea, snoring and excessive daytime sleepiness (EDS). We could obtain sensitivity of 79.65%, specificity of 89.52% for the data sets. We have shown that proposed method was effective for detecting the arousal events.

• 전기전자학회논문지
• /
• 제22권4호
• /
• pp.1175-1179
• /
• 2018

본 논문에서는 뇌파 신호를 이용하여 환자의 경련을 감지하는 순환 CNN (Convolutional Neural Networks)을 제안한다. 제안 된 방법은 뇌파 신호의 스펙트럼 특성과 전극의 위치를 보존하기 위해 영상으로 데이터를 매핑하여 처리하였다. 스펙트럼 전처리 과정을 거친 후 CNN에 입력하고 공간 및 시간 특성을 웨이블릿 변환(wavelet transform)없이 추출하여 발작을 검출하였다. 여기에 사용된 보스턴 매사추세츠 공과 대학 (Boston Massachusetts Institute of Technology, CHB-MIT) 아동 병원의 데이터셋 결과는 시간당 0.85의 민감도와 90 %의 위양성 비율 (FPR)을 보였다.

• 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.

• 인터넷정보학회논문지
• /
• 제20권5호
• /
• pp.27-36
• /
• 2019

본 연구에서는 공개된 뇌파 데이터인 DEAP(A Database for Emotion Analysis using Physiological Signals) 데이터 세트를 활용한 감정분류 분석 및 정확도 향상에 대한 실험을 진행하였다. 실험에는 32명에 대한 32개의 뇌파측정 채널 데이터가 모두 사용되었다. 전처리과정에서는 뇌파 데이터에 대한 256Hz 샘플링작업을 진행하였고, 유한 임펄스 응답 필터를 사용하여 주파수 대역별로 쎄타(4-8Hz), 슬로 알파(8-10Hz), 알파(8-12Hz), 베타(12-30Hz), 감마(31-45Hz) 파형에 대한 데이터를 추출하였다. 추출한 데이터는 시간-주파수 변형을 통하여 데이터의 상태를 구분한 후에, 독립성분분석방법을 통해 잡음(Artifact)을 제거하여 데이터를 정제했다. 도출된 데이터는 분류기 기계학습 알고리즘 실험을 시행할 수 있도록 CSV 파일로 변형 하였으며, 감정분류에는 Arousal-Valence 평면을 사용하였다. 감정은 "긍정적(Positive)", "부정적(Negative)" 이외에 평온한 상태로 존재하는 "중립적(Neutral)"의 3가지 상태로 분류하였다. 정확도를 개선하기 위해서 랜덤 포레스트(Random Forest) 알고리즘에 속성 선택적 분류기(Attribute Selected Classifier: ASC) 방식에 의해 선택된 속성을 적용하여 실험하였다. 정확도는 "각성(Arousal)" 부분에서 Koelstra의 결과보다 "32.48%" 높은 결과가 도출되었고, Liu의 실험의 "정서가(Valence)"와 비교해보면 ASC(Random Forest) 결과가 "8.13%" 더 높은 결과를 도출하였다. 정확도를 개선하기 위해 ASC 방식을 적용한 랜덤 포레스트 분류기 실험결과에서는 전체평균을 기준으로 기존 연구 결과와 대비하여 "2.68%" 높은 정확도가 도출되었다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 1997년도 한국감성과학회 연차학술대회논문집
• /
• pp.75-79
• /
• 1997

The present study was designed to investigate whether there is a consistint changes in the signals from the central and autonomic nervous systim due to olfactory stimulation. The olfactory stimuli were 0.6% orange and 2.5% valeric acid and the stimuli through the olfactory stimulator soth controlled consistint flow, controlled concentration, and saturated with vapour to prevent drying the nasal mucosa. A room air blunk served as the control stimulus, EEG was recorede from 4channels according to the international 10-20 systim. Additionally, ECG, EOG, heart rate, skin conductance and resputation were recorded comtinuously. The fast Fourier transform analysis of EEG waves was analysed with the power spectra. Averaged power spectra were computed for the following frequency bands ; delta(0-4.5Hz), theta (4.5-7Hz), alphal(7-9.5Hz), alpha2 (9.5-12.5Hz) and beta(12.5-30Hz). Withthe results of the subjective sensibility test for the ordor, the orange was related to pleasant and familiar and the valeric acid was realted to snpleasant and bothersome. There is the difference between orange and valeric acid in alphal at PG2-A2 channel. While the unpleasant stimuli seem to be increased in alphal, alpha2 and beta waves at all channels. Also, the heart rate, galvaric skin resistance seem to be decreased by pleasant stimuli and thd unpleasant stimuli shdwed the opposite. In respiration, respiration rate had been declinig tendency, and input/output ampoitued and duration showed an upward trend by olfactory stimulation with orange, while opposite by valeric acid. In conclusion, the consistent EEG changes and the autonomic responses suggests the possibilities of the subjective signal of human sensibility.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제53권5호
• /
• pp.374-379
• /
• 2004

This paper proposes an algorithm for human sensibility evaluation using 4-channel EEG signals of the prefrontal and the parietal lobes. The algorithm uses an artificial neural network and the multiple templates. The linear prediction coefficients are used as the feature parameters of human sensibility. Comfortableness for chairs and temperature/humidity are evaluated. Many conventional researches have emphasized that a wave of left prefrontal lobe is activated in case of positive sensibility and that of right prefrontal lobe is activated in case of negative sensibility. So the power ratio of a wave is obtained from FFT computation and the results are compared. The results of the comfortableness evaluation for temperature and humidity showed that the outputs of the proposed algorithm coincided with corresponding sensibilities depending on the task of the temperature and the humidity. The . conventional method using a wave is hardly related with comfortableness. And it is also observed that the uncomfortable state due to the high temperature and humidity can be easily changed to the comfortable state by small drop of the temperature and the humidity. It seems to be good results to get 66.7％ of evaluation performance in spite of using EEG and the subject independent approach.

• 생물정신의학
• /
• 제4권1호
• /
• pp.67-73
• /
• 1997

치매에서의 뇌파 연구는 주로 주파수 분석과 지형화 분석을 이용하여 정량화하는 것을 위주로 진행되어 왔으나 이러한 선형적 분석은 뇌파와 같이 복잡한 신호를 분석하는 것에는 한계가 있었다. 최근 새로운 패러다임인 카오스이론에 근거를 두고 뇌파를 비선형적으로 측정하는 방법이 소개되고 있다. 본 연구는 알츠하이머형 치매환자의 뇌파 신호를 상관차원을 이용하여 비선형적으로 분석하는 것이 가능한가를 알아보고 그 결과를 대조군과 비교해보기 위하여 시도되었다. 3명의 알츠하이머형 치매 환자와 3명의 대조군에서 뇌파 신호를 받아 디지털 화한 후에 비선형분석법 중 하나인 상관차원 값을 계산하였다. 전체 15개의 전극부위 중 3곳을 제외하고는 모든 전극과 두뇌 영역별, 반구별 분석 모두에서 알츠하이머형 치매군의 상관차원값이 유의하게 낮았다. 본 연구 결과는 알츠하이머형 치매 환자에서 카오스 이론을 이용한 비선형적 전기신경생리학적 분석으로 알아낼 수 있는 두뇌의 복합성, 즉 두뇌의 카오스적 성상이 감소되어 있다는 것을 의미하며 향후 뇌파의 비선형적 분석이 두뇌 기능을 조사하는 데에 유용한 새로운 방법이 될 가능성이 있다는 것을 시사한다.

• 인지과학
• /
• 제20권2호
• /
• pp.125-154
• /
• 2009

본 연구는 이러닝 체제에서 상호작용을 개선할 수 있도록 하기 위하여 사용자의 생리적 데이터 가운데서 뇌파를 통하여 학습자의 인지부하 발생을 파악할 수 있는 지를 연구하고자 하였다. 뇌파를 통하여 인지부하 발생을 알 수 있게 된다면 실시간 이러닝 체제에서 적절한 피드백 제공에 활용될 수 있기 때문이다. 이를 위하여 EEG를 이용하여 학습자의 뇌파를 측정하면서 인지활동을 수행하는 동안 발생되는 인지부하도를 측정하였고 인지과부하를 판별할 수 있는지를 알아보았다. 뇌파 측정을 위하여 언어 관련 작업기억 능력을 측정할 수 있는 듣기회상과제를 제시하였으며, 실험을 통한 과제 정답률 및 뇌파 분석 결과는 다음과 같다. 첫째, 듣기회상과제의 정답률은 회상반응과제에서 1단계는 84.4%, 2단계는 90.6%, 3단계는 62.5%, 4단계는 56.3%를 보였으며, 통계적으로 유의한 차이가 있음을 확인하였다. 즉, 3, 4단계의 경우는 피험자들이 매우 어려움을 겪었던 단계로 인지과부하가 발생했을 것으로 보인다. 둘째, SEF-95% 지표는 1, 2단계에 비해 3, 4단계에서 더욱 높은 값을 보였으며, 이는 피험자들의 인지부하가 3, 4단계에서 높았음을 객관적으로 보여주는 근거이다. 셋째, 감마파의 상대파워는 3, 4단계에서 파워값이 급격히 올라가는 패턴을 보였으며, 통계적으로 유의한 5개의 채널(F3, F4, C4, F7, F8)을 확인하였다. 5개의 채널은 뇌의 브로카 영역(F7, F8) 주위에 위치하고 있으며, 특히 뇌맵핑 분석을 통해 확인한 결과, F8(우반구의 브로카 영역에 해당하는 위치)에서 단계별 난이도가 올라갈수록 활성화의 차이가 크게 나타났다. 넷째, 19채널에 대한 상호 상관 분석을 통해 1, 2단계에 비해 3, 4단계에서 비동기화가 증가하였다. 위의 결과를 통한 본 연구의 결론은 뇌파를 이용하여 인간이 인지활동을 수행하는 동안 인지부하도를 측정할 수 있으며, 인지과부하를 판별해 낼 수 있음을 확인하였다.