• Journal of Computing Science and Engineering
• /
• 제7권2호
• /
• pp.139-146
• /
• 2013

Recent advances in computer science enabled people with severe motor disabilities to use brain-computer interfaces (BCI) for communication, control, and even to restore their motor disabilities. This paper reviews the most recent works of BCI in stroke rehabilitation with a focus on methodology that reported on data collected from stroke patients and clinical studies that reported on the motor improvements of stroke patients. Both types of studies are important as the former advances the technology of BCI for stroke, and the latter demonstrates the clinical efficacy of BCI in stroke. Finally some challenges are discussed.

• 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.

• 정보과학회 논문지
• /
• 제42권12호
• /
• pp.1535-1543
• /
• 2015

뇌-컴퓨터 인터페이스는 사용자의 뇌전도(Electroencephalogram: EEG)를 획득하여 생각만으로 기계를 제어하거나 신체장애를 가진 사람에게 손 또는 발과 같은 신체를 대신하여 의사 전달 수단으로 사용될 수 있다. 본 논문에서는 동작 상상 EEG를 분류하기 위해 Sub-Band Common Spatial Pattern(SBCSP)를 기반으로 필터 선택을 하지 않는 특징 추출 방법에 대해 연구한다. 4~40Hz의 동작 상상 신호를 4Hz 대역마다 나눈 9개의 서브 밴드에 각각 CSP를 적용한다. 이후 Fisher's Linear Discriminant(FLD)를 사용하여 도출된 값들을 결합한 FLD 점수 벡터에 차원 축소를 위한 Principal Component Analysis(PCA)를 적용하여 클래스 구분을 위한 최적의 평면에 특징을 투영한다. 데이터베이스는 BCI CompetitionIII dataset IVa(2 클래스: 오른손 다리)를 이용하며, 추출된 특징은 Least Squares Support Vector Machine(LS-SVM)의 입력으로 사용된다. 제안된 방법의 성능은 $10{\times}10$ fold cross-validation을 이용하여 분류 정확도로 나타낸다. 본 논문에서 제안하는 방법은 피험자 'aa', 'al', 'av', 'aw', 'ay'에 대하여 각각 $85.29{\pm}0.93%$, $95.43{\pm}0.57%$, $72.57{\pm}2.37%$, $91.82{\pm}1.38%$, $93.50{\pm}0.69%$의 분류 정확도를 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.2029-2030
• /
• 2011

이 논문에서는 최근 활발히 연구되고 있는 BCI 실험에서 센서 위치의 변화에 따른 정확도 감소를 줄이는 방법을 알아본다. 이를 위해 특징추출 방법에서 많이 사용되는 두 가지 방법 (Power Spectrum Density, Phase Lock Value) 을 비교 및 평가 한다. motor imagery BCI 실험 결과 phase정보를 이용하는 Phase Lock Value가 달라지는 센서 위치에 덜 민감하다는 것을 확인할 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 추계학술대회 학술발표 논문집 제14권 제2호
• /
• pp.373-376
• /
• 2004

최근에 뇌파를 이용하여 컴퓨터와 통신하거나 기기를 제어할 수 있는 이른바 뇌-컴퓨터 인터페이스BCI(Brain-Computer Interface)에 대한 연구가 대두되고 있다. 이러한 BCI 연구의 궁극적 목표는 다양한 정신상태에 따른 뇌파의 특성을 파악하여 컴퓨터나 기기 등을 제어하는 것이다. 본 논문에서는 움직임과 관련 있는 10～12Hz의 mu파 영역에서의 ERD/ERS를 계산하였고, 그 결과 왼쪽과 오른쪽 손의 움직임을 상상할 때에 운동과 관련된 기능이 집중되어 있는 일차운동영역(primary motor area)의 mu파에서 ERD/ERS의 차이가 나타남을 발견하였다 또한, RLS방법을 사용한 Adaptive Autoregressive Model 계수의 특징을 추출을 하였으며, 이를 신경망으로 학습시켜 인식률을 비교하였다.

• 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.

• 대한의용생체공학회:의공학회지
• /
• 제30권5호
• /
• pp.428-437
• /
• 2009

The Performance research about EEG-BCI algorithm in BCI-naive subjects is very important for evaluating the applicability to the public. We analyzed the result of the performance evaluation experiment about the EEG-BCI algorithm in BCI-naive subjects on three different aspects. The EEG-BCI algorithm used in this paper is composed of the common spatial pattern(CSP) and the least square linear classifier. CSP is used for obtaining the characteristic of event related desynchronization, and the least square linear classifier classifies the motor imagery EEG data of the left hand or right hand. The performance evaluation experiments about EEG-BCI algorithm is conducted for 40 men and women whose age are 23.87${\pm}$2.47. The performance evaluation about EEG-BCI algorithm in BCI-naive subjects is analyzed in terms of the accuracy, the relation between the information transfer rate and the accuracy, and the performance changes when the different types of cue were used in the training session and testing session. On the result of experiment, BCI-naive group has about 20% subjects whose accuracy exceed 0.7. And this results of the accuracy were not effected significantly by the types of cue. The Information transfer rate is in the inverse proportion to the accuracy. And the accuracy shows the severe deterioration when the motor imagery is less then 2 seconds.

• 한국콘텐츠학회논문지
• /
• 제10권6호
• /
• pp.27-34
• /
• 2010

본 논문은 가중 퍼지소속함수 기반 신경망(neural network with weighted fuzzy membership functions, NEWFM)과 웨이블릿 기반의 특징 추출기법을 사용하여 왼쪽 또는 오른쪽의 운동 형상을 분류하는 방안을 제안하고 있다. 초기 특징을 추출하기 위해서 첫 번째 단계에서 웨이블릿 변환(wavelet transforms)을 이용하여 뇌파(electroencephalogram, EEG) 신호로부터 웨이블릿 계수들을 추출하였다. 두 번째 단계에서는 첫 번째 단계에서 추출한 웨이블릿 계수들을 통계적인 방법인 주파수 분포와 주파수 변동량을 이용하여 60개의 초기 특징을 추출하였다. 이들 60개의 초기 특징은 NEWFM에서 제공하는 비중복면적 분산 측정법에 의해 중요도가 가장 낮은 특징을 하나씩 제거되면서 정확도가 가장 높은 6개의 최소 특징을 선택되었다. 이들 6개의 최소 특징을 NEWFM의 입력으로 사용하여 86.43%의 정확도를 구하였다.

• 한국운동역학회지
• /
• 제19권4호
• /
• pp.681-688
• /
• 2009

본 연구는 22명의 오른손 잡이로 신경학적 이상이 없는 장노년층을 대상으로 경두개 자기자극 후 우측 단무지 외전근에서 운동 유발 전위를 측정함으로써 빠르고 느린 동작에 대한 수동적 혹은 능동적 운동 관찰과 연상을 시행할 때 피질척수로의 흥분도에 있어 변화가 일어나는지 알아보고자 시행되었다. 대상자에게 빠르고 느린 무지의 외전 운동을 수동적으로 관찰하거나(수동관찰), 연상하거나(운동 연상), 능동적으로 따라하려는 마음으로 관찰하도록한 상태(능동 관찰)에서 각각 운동 유발 전위의 진폭과 잠시를 측정하였고 안정 시에 측정된 값과 비교하였다. 수동관찰, 운동연상, 능동 관찰법에 따른 운동 유발 전위의 차이와 느리고 빠른 운동 속도에 따른 운동 유발 전위의 차이를 비교 분석하였다. 분석 결과 안정 시 보다 수동 관찰, 운동 연상 혹은 능동 관찰 모두에서 운동 유발 전위의 촉발이 일어나며, 능동적 관찰은 수동적 관찰에 비해 유의하게 높은 운동유발전위를 촉발이 일어나나, 빠르고 느린 동작에 있어 유의한 차이를 보이지 않음을 알 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.1661-1664
• /
• 2013

본 연구는 만성 뇌졸중 환자 5 명을 대상으로 상지 운동(Affected hand의 주먹 쥐기/펴기운동)시 참가자의 운동의지와 운동 수행의 유무에 따라 차이가 있을 것을 가정하고, 운동 수행 및 운동의지가 존재하는 Active movement와 운동 수행을 하지만 운동의지가 없는 Passive movement, 운동 수행은 없지만 운동의지가 있는 Motor Imagery(MI)의 세가지 task에 따른 뇌파의 연결성을 비교하고자 한다. 이 때 EEG 영역 간의 연결성을 보기 위한 분석 방식 중 하나인 Phase locking value(PLV)를 통해 각 task 간의 차이를 비교 및 분석했다. 운동 수행은 동일하지만 운동의지 유무에 따른 차이는 Passive movement가 전반적으로 뇌 영역간 연결이 감소하고 Active movement가 motor task 시작 후 375ms를 기점으로 급격히 증가함을 보이는 데에서 발견할 수 있었으며, 운동 수행 유무에 따른 차이는 687.5ms 이후 Active movement에 비해 MI에서 뇌 영역 간 연결 수가 확연히 감소하는 데에서 큰 차이를 나타내었다. 이에 따라 본 연구에서는 만성 뇌졸중 환자의 상지운동 시의 motor task에 따른 EEG 영역간의 연결성을 토대로 운동의지 검출이 가능성이 있음을 밝혔다.