• 센서학회지
• /
• 제12권6호
• /
• pp.289-297
• /
• 2003

본 논문에서는 정신적 과제수행 동안 EEG 뇌파의 정확한 분류방법에 관하여 기술한다. 피험자는 실험 task에서 시각적 자극에 대한 반응, 문제의 해석, 손동작 제어와 키 선택을 수행한다. 선택시간을 감지하기 위하여 측정한 뇌파로부터 $\alpha$, $\beta$, $\theta$, $\gamma$를 분리하고 4가지의 특징들을 해석한파. 이 특징들을 분석하여 각 피험자별로 공통적인 특징플로 구성된 일반 규칙을 설정한다. 본 시스템의 신경망은 1개의 은닉층을 갖는 3층의 피드포워드 신경망 구조를 가지며 학습에는 역전파 학습 알고리즘을 이용하였다. 4명의 피험자를 대상으로 설정한 알고리즘들을 적용하여 평균 87% 분류 성공률을 보였다. 본 논문에서 제안한 방법은 인지적인 정신과제 판별을 위한 방법들과 결합하여 BCI 기술을 위한 기반 기술로 활용될 수 있다.

• 전자공학회논문지
• /
• 제51권5호
• /
• pp.197-206
• /
• 2014

운동심상(Motor imagery) 기반의 뇌-컴퓨터 인터페이스(Brain-computer Interface)는 주로 뇌전도(Electroencephalography, EEG)를 이용하여 사용자의 자발적인 운동 의지를 읽는 기술로 최근 주목받고 있다. 이 중에서도 피실험자의 운동 의지를 정확히 해석하기 위해 감각운동 영역(sensorimotor area)의 일부분에서 나타나는 ${\mu}$-대역(8-13Hz)의 전위 감소 현상인 event related desynchronization(ERD)을 분석하는 연구가 많이 진행되고 있다. 하지만 EEG는 공간 해상도가 낮고 사용자에 따라 ERD가 발생하는 주파수 대역이 다소 차이가 있어 추정에 어려움이 있다. 이에 대한 개선 방법의 하나로서 공간 필터를 구현하는 common spatial pattern (CSP)과 필터 뱅크(filter bank)를 결합한 형태인 discriminative filter bank common spatial pattern(DFBCSP)이 제안되었다. 그러나 DFBCSP는 EEG 신호의 평균 전력(power)의 Fisher ratio를 이용하여 사용자에 따른 효과적인 주파수 대역을 포함하는 discriminative filter bank(DFB)를 구성하여 분류 정확도를 향상시켰지만 ERD의 공간 패턴이 나타나는 적절한 필터를 선택하지 않는 경우가 발생한다. 이러한 문제를 해결하기 위해 본 논문에서는 EEG 신호의 평균전력 대신 CSP의 특성 벡터를 이용하여 DFB를 구성하는 방법을 제안한다. 기존의 방법과 제안한 방법의 필터 선택 결과와 분류 정확도 분석을 통해 CSP 특성 벡터가 DFB 구성에 더욱 효과적임을 보인다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 하계학술대회
• /
• pp.490-493
• /
• 2011

최근 사용자와 컴퓨터간의 상호작용이 가능한 사용자 인터페이스(UI, User Interface)에 대한 연구가 활발히 진행되고 있다. 이중 키보드나 마우스, 리모컨과 같은 별도의 입력장치가 없이 뇌의 활동으로부터 발생하는 생체신호를 이용하여 사용자의 생각만으로 컴퓨터와 커뮤니케이션을 할 수 있는 뇌만으로 컴퓨터와 커(BCI, Brain-Computer Interface) 시스템이 각광을 받고 있다. 본 연구에서는 뇌의 생체신호로는 뇌전도도(EEG, Electroencephalogram)를 사용하였으며, 이를 통하여 P300 speller 실험을 수행하였다. P300 speller 실험을 통하여 발생된 뇌전도도를 취합하여 P300(사건 관련 전위(ERP, Event-related potential)에서 자극 제시 약 300msec 후에 정점에 달하는 정파)을 분석하였다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2011년도 춘계학술대회
• /
• pp.37-38
• /
• 2011

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2001년도 춘계학술대회 논문집
• /
• pp.271-275
• /
• 2001

두뇌-컴퓨터 인터페이스로 활용하기 위한 시도로서, 인간의 가장 간단한 의사 표시인 긍/부정 의사와 관련한 뇌파를 측정하고 시간-주파수 분석을 수행하였다. 선행 연구 결과와 뇌파 측정 실험 조건에 대해 살펴 보고, 시간-주파수 분석 결과로부터 긍/부정 반응 동작에 따른 뇌파 변화에 대해 토론하였다.

• 정보과학회지
• /
• 제22권2호
• /
• pp.20-34
• /
• 2004

최근 외신을 통해서 보도된 원숭이를 이용한 BCI (Brain-Computer Interface) 실험에 관한 보도 (Carmena et al., 2003)나 배우 Keanu Reeves가 세 편에 걸쳐서 열연한 영화 Matrix를 통해서나 뇌-컴퓨터 접속이라는 주제가 대중적으로 많은 인기를 끌고 있다. 배우 KeanuReeves는 1995년에도 Fox 영화사에서 제작된 Jonny Mnemonic Superbit Collection(국내 소개명 코드명J)라는 영화에서 뇌-컴퓨터접속기술을 소개한 바 있는데 그리 큰 인길르 끌지는 못하였다가 최근 몇 년간에 걸친 Matrix 쓰리즈에서 뇌-컴퓨터 접속기술을 범대중적으로 소개하는데 성공하였다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2011년도 추계학술대회
• /
• pp.11-12
• /
• 2011

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2002년도 춘계학술대회 논문집
• /
• pp.114-117
• /
• 2002

뇌-컴퓨터 인터페이스로 활용하기 위한 시도로서, 인간의 가장 간단한 의사 표시인 긍/부정 의사와 관련한 뇌파를 측정하고 시간-주파수 분석(단시간 푸리에 변환)을 수행하였다. 반응 동작과 관련한 $\mu$파와 $\beta$파, 그리고 인지 정보 처리와 관련한 ${\gamma}$파의 시간에 따른 변화를 살펴보고 선행 결과들과 비교, 토론하였다.

• 정보과학회 논문지
• /
• 제44권9호
• /
• pp.887-892
• /
• 2017

뇌-컴퓨터 인터페이스는 정신 작업 동안 다채널에서 생성된 뇌파의 신호를 측정, 분석하여 컴퓨터를 제어하거나 의사를 전달하는 기술이다. 이때 최적의 뇌파 채널 선택은 뇌-컴퓨터 인터페이스의 편의성과 속도뿐만 아니라 정확도 향상을 위해 필요하다. 최적의 채널은 중복 채널들 또는 노이즈 채널들을 제거함으로써 얻는다. 이 논문에서는 최적 뇌파 채널을 선택하기 위해 이중 filter-기반의 채널 선택 방법을 제안한다. 제안한 방법은 먼저 채널들 간의 중복성을 제거하기 위해 spearman's rank correlation을 사용하여 중복 채널들을 제거한다. 그 뒤, F score를 이용하여 채널과 클래스 라벨 간의 적합성을 측정하여 상위 m개의 채널들만을 선택한다. 제안한 방법은 클래스 라벨과 관련되고 중복이 없는 채널들을 사용함으로써 좋은 분류 정확도를 이끌어 낼 수 있다. 제안한 채널 선택 방법은 채널의 수를 상당히 줄임과 동시에 평균 분류 정확도를 향상시켰다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2004년도 학술대회지
• /
• pp.671-674
• /
• 2004

We propose accurate classification method of EEG signals during mental tasks. In the experimental task, the tasks of subjects show 3 major measurements; there are mathematical tasks, color decision tasks, and Chinese phrase tasks. The classifier implemented for this work is a feed-forward neural network that trained with the error back-propagation algorithm. The new BCI system is proposed by using neural network. In this system, tr e architecture of the neural network is composed of three layers with a feed-forward network, which implements the error back propagation-learning algorithm. By applying this algorithm to 4 subjects, we achieved $95{\%}$ classification rates. The results for BCI mathematical task experiments show performance better than those of the Chinese phrase tasks. The selection time of each task depends on the mental task of subjects. We expect that the proposed detection method can be a basic technology for brain-computer interface by combining with left/right hand movement or yes/no discrimination methods.