• 한국콘텐츠학회논문지
• /
• 제5권1호
• /
• pp.19-26
• /
• 2005

본 논문은 생체신호(EEG/EOG)를 이용한 기계 작동 시스템을 구현하는 방법을 소개한다. 더 나아가서는 EEG/EOG 반응 컴퓨터 시스템이나 일반 바이오피드백(biofeedback) 시스템과 접목시키는 목적도 포함하고 있다. 이를 위해서 선정된 뇌파 대역의 스펙트럼 특성이나 EEG 리듬 요소, 그리고 그것들의 조합지수 및 EOG파라미터에 반응하여 기능을 수행하는 무선 완구 원격조종 시스템을 구현하고자 한다. 이러한 생체신호 처리 모듈 전체를 헤드셋에 내장 시켜서 사용자의 편의성을 제공하고 기존의 BCI 시스템과는 새로운 차원의 시스템 구현 방법을 제시한다.

• 국제학술발표논문집
• /
• The 10th International Conference on Construction Engineering and Project Management
• /
• pp.343-350
• /
• 2024

Mobile electroencephalography (EEG) can continuously and objectively monitor construction workers' psychological stress, thereby contributing to enhanced safety and health. Traditional EEG-based stress assessment techniques utilize headset-type devices that cover the scalp, including the frontal area, which is the most relevant brain part to stress. Yet, the invasiveness of such devices may pose a potential barrier to their field application. In response, ear-EEG technology presents a less intrusive alternative for continuous monitoring, potentially overcoming the limitations of scalp-EEG. The temporal regions monitored by ear-EEG hold anatomical and functional significance in the brain's response to stress, suggesting that ear-EEG could effectively detect stress. Despite its advantage, the effectiveness of ear-EEG in stress detection remains underexplored, largely due to the existing literature's focus on frontal brain regions. To address this gap, the authors aim to evaluate ear-EEG's effectiveness in measuring stress and compare it to high-density scalp-EEG. EEG signals were collected with ear- and scalp-EEGs from 10 subjects in a controlled laboratory while they performed the mental arithmetic tasks under time pressure and socio-evaluative threats to induce stress at different levels (high vs. low). Subsequently, the authors performed t-tests and point-biserial analysis to analyze differences between high and low-stress conditions in the most reliable stress biomarkers in literature: high-beta power in temporal regions for ear-EEG, and alpha asymmetry in frontal regions for scalp-EEG. The results indicate that both EEG techniques could effectively differentiate between stress levels, with statistical significance (p <0.001 for both) and moderate effect size. Furthermore, the results demonstrate ear-EEG's comparable effectiveness to scalp-EEG in detecting stress-induced brain activity given the comparable statistical metrics, such as p-value and effect size. This study provides a groundwork for further explorations into leveraging ear-EEG as a practical tool for the early detection of stress, aiming to enhance stress management strategies within the construction industry.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.1139-1141
• /
• 2014

뇌파 수집과 분석을 위한 상용 장비인 모바일 헤드셋 Emotiv를 이용한 BCI 연구가 있었다. 특히 Emotiv에서 제공되는 학습기능을 사용한 사례들에서 다양한 패턴을 학습한 경우는 인식률이 떨어지고 학습하는데 많은 시간이 소비된다. 본 논문에서는 Emotiv의 학습기능을 한 가지만 사용해서 인식률을 높이고 자이로센서를 이용하여 로봇을 4가지 방향으로 제어해서 원하는 경로로 이동가능 한 기능을 구현했다. 구현한 결과는 평균 85.67%를 보여 성공적이었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 추계학술대회
• /
• pp.813-815
• /
• 2016

본 논문에서는 뇌파데이터를 기반으로 한 디바이스 제어 시스템을 구현한다. Brain-Computer Interface(BCI) 기술은 언어나 신체의 동작을 거치지 않고 직접 시스템에 전달할 수 있다. 상태의 변화에 따른 뇌파를 실시간으로 감지하여 디바이스를 제어함으로써 움직임이 불편한 장애인이나 수험생, 멀티태스킹이 필요한 사람 등 다양한 서비스 대상자에게 편리한 생활을 할 수 있도록 도와준다. 또한, 홈 디바이스 제어 시스템 등 응용서비스를 개발할 수 있다. 이를 위해 논문에서 구현한 디바이스 제어 시스템은 뇌파 측정 헤드셋으로부터 수집된 데이터를 기반으로 사용자의 스마트폰과 연동하여 전원 및 오디오를 제어한다. 집중도에 의해 전원 ON/OFF 동작을 제어하고, 명상도와 눈 깜빡임에 의해 오디오를 제어하는 서비스 기능을 지원한다. 실험실 테스트를 통해 뇌파데이터를 이용한 디바이스 제어가 성공적으로 동작되는 것을 확인하였다.

• 국제학술발표논문집
• /
• The 10th International Conference on Construction Engineering and Project Management
• /
• pp.1049-1056
• /
• 2024

Human-robot collaboration (HRC) is an emerging form of work anticipated to improve construction productivity by integrating robotic capabilities with human expertise. With the expected transition towards tasks that demand more cognitive efforts for human workers, considering the cognitive status of each co-worker, such as task engagement and vigilance, can become crucial to achieve high-quality human performance during HRC, potentially contributing to a more productive HRC in construction. However, the potential cognitive changes of each co-worker have remained unclear during HRC, as studies have primarily focused on identifying general trends from aggregated cognitive responses of people, in which an individual's response can be overlooked. In this study, we examine the cognitive response of each co-worker during HRC for a construction task. We observed the cognitive responses of 18 people while they were experiencing different collaborating conditions, such as the robot's different movement speed, during a bricklaying task with an arm-type collaborative robot. For each participant, we analyzed electroencephalogram (EEG) signals to identify the changes in cognitive status by using a wearable EEG headset. The results present that the cognitive responses of almost all the participants were significantly and differently affected during HRC, impacting the estimated productivity of their human-robot teams. The findings of the study present the importance of considering each co-worker's potentially unique cognitive response as a way to achieve cognitive wellbeing while pursuing high productivity within human-robot teams, potentially contributing to overall productive HRC in construction.

• 한국항행학회논문지
• /
• 제22권5호
• /
• pp.472-477
• /
• 2018

본 논문에서는 지능형 IoT (internet of things) 미러 시스템을 통해 사용자의 우울증 예방을 위한 인터랙티브 콘텐츠 서비스를 구현한다. 인터랙티브 콘텐츠 서비스를 위해 IoT 미러 장치는 뇌파 헤드셋 디바이스로부터 집중도 및 명상도 데이터를 측정하고, 웹캠을 통해 다층 퍼셉트론 알고리즘으로 분류된 "슬픔", "분노", "혐오감", "중립", "행복" 및 "놀람"과 같은 표정 데이터를 측정한 후, oneM2M 표준을 준용한 IoT 서버로 전송한다. IoT 서버에 수집된 데이터는 제안한 병합 레이블링 과정을 거쳐 세 가지의 우울 단계(RED, YELLOW, GREEN)를 분류하는 기계학습 모델을 생성한다. 실험을 통해 k-최근접 이웃 모델로 우울 단계를 분류한 결과 약 93%의 정확도를 얻을 수 있었고, 분류된 우울 단계에 따라 가족, 친구 및 사회복지사에게 소셜 네트워크 서비스 에이전트를 통해 알림 메시지를 전송하여 사용자와 보호자 간의 인터랙티브 콘텐츠 서비스를 구현하였다.