유비쿼터스 시대의 도래에 따른 서비스의 고급화는 다양한 형태의 사용자 단말기의 개발을 유도하였으며, 이러한 사용자 단말기의 변화는 다양한 형태의 인간친화형 사용자 인터페이스의 개발로 이어지게 되었다. 이러한 다양한 형태의 인간친화형 사용자 인터페이스 중, 인간의 뇌를 활용한 사용자 인터페이스, 즉, BCI에 관한 연구가 최근 산발적으로 다양하게 진행되고 있다. 현재 진행되어지고 있는 다양한 형태의 BCI 관련 연구들은, 연구 초기 수준을 극복하지 못하는 실정이며, 이러한 연구개발의 지체 이유로는 체계적인 연구가 진행되어지지 않고 있다는 점을 들 수 있다. 대부분의 HCI 또는 BCI 관련 연구들은 생체신호를 수집하여 신호처리 과정을 거치게 되며, 이때 중요한 연구요소중의 하나로 DB구축 분야를 들 수 있다. 하지만 현재 진행되고 있는 대부분의 BCI 관련 연구의 경우 DB구축부터 시작한 체계적인 연구가 이루어지고 있지 않는 실정이다. 뇌파를 제외한 다른 생체신호, 즉 오감자극을 활용한 HCI 연구와는 달리, 뇌파 DB의 경우 피험자를 제외한 다른 연구 관련자들은 현재 피험자로부터 수집되어지고 있는 DB가 실험에 필요한 적절한 신호인지 구분하기 힘든 실정이다. 또한, 뇌파 신호의 수집 시 연구관련 자들은 피험자에게 정확한 지침을 제시하지 못하고 있는 실정이며 어떠한 방법으로 피험자가 실험에 집중하여야 확연한 패턴을 보이는 차별화 된 뇌파 신호의 생성이 가능한지 명확하게 알려지지 않은 실정이다. 따라서 본 논문에서는 뇌파를 활용한 BCI구현과 사용자 의지에 따른 활용 시 보다 정확하고 높은 인식률 구현을 하기 위한 기초 연구 방안으로 정확하고 효율적인 뇌파 DB구축 시스템을 제안한다. 또한 현재까지 명확하게 알려지지 않은 효과적인 뇌파생성 방안을 동시에 연구하기 위하여 오감자극을 활용한 뇌파 DB 수집이 가능한 구축 시스템을 구현하며 각 방법에 따라 구축되어진 뇌파의 패턴 분석을 통한 효율적인 뇌파 DB구축 방안을 제안한다.
유비쿼터스 시대의 도래에 따른 서비스의 고급화는 다양한 형태의 사용자 단말기의 개발을 유도하였으며, 이러한 사용자 단말기의 변화는 다양한 형태의 인간친화형 사용자 인터페이스의 개발로 이어지게 되었다. 이러한 다양한 형태의 인간친화형 사용자 인터페이스 중, 인간의 뇌를 활용한 사용자 인터페이스, 즉, BCI에 관한 연구가 최근 산발적으로 다양하게 진행되고 있다. 현재 진행되어지고 있는 다양한 형태의 BCI 관련 연구들은, 연구 초기 수준을 극복하지 못하는 실정이며, 이러한 연구개발의 지체 이유로는 체계적인 연구가 진행되어지지 않고 있다는 점을 들 수 있다. 대부분의 HCI 또는 BCI 관련 연구들은 생체신호를 수집하여 신호처리 과정을 거치게 되며, 이때 중요한 연구요소중의 하나로 DB구축 분야를 들 수 있다. 하지만 현재 진행되고 있는 대부분의 BCI 관련 연구의 경우 DB구축부터 시작한 체계적인 연구가 이루어지고 있지 않는 실정이다. 뇌파를 제외한 다른 생체신호, 즉 오감자극을 활용한 HCI 연구와는 달리, 뇌파 DB의 경우 피험자를 제외한 다른 연구 관련자들은 현재 피험자로부터 수집되어지고 있는 DB가 실험에 필요한 적절한 신호인지 구분하기 힘든 실정이다. 또한, 뇌파 신호의 수집 시 연구관련 자들은 피험자에게 정확한 지침을 제시하지 못하고 있는 실정이며 어떠한 방법으로 피험자가 실험에 집중하여야 확연한 패턴을 보이는 차별화 된 뇌파 신호의 생성이 가능한지 명확하게 알려지지 않은 실정이다. 따라서 본 논문에서는 뇌파를 활용한 BCI구현과 사용자 의지에 따른 활용 시 보다 정확하고 높은 인식률 구현을 하기 위한 기초 연구 방안으로 정확하고 효율적인 뇌파 DB구축 시스템을 제안한다. 또한 현재까지 명확하게 알려지지 않은 효과적인 뇌파생성 방안을 동시에 연구하기 위하여 오감자극을 활용한 뇌파 DB 수집이 가능한 구축 시스템을 구현하며 각 방법에 따라 구축되어진 뇌파의 패턴 분석을 통한 효율적인 뇌파 DB구축 방안을 제안한다.
Ubiquitous systems have grown explosively over the few years. Nowadays users' needs for high qualify service lead a various type of user terminals. One of various type of user interface, various types of effective human computer interface methods have been developed. In many researches, researchers ...
Ubiquitous systems have grown explosively over the few years. Nowadays users' needs for high qualify service lead a various type of user terminals. One of various type of user interface, various types of effective human computer interface methods have been developed. In many researches, researchers have focused on using brain-wave interface, that is to say, BCI. Nowadays, researches which are related to BCI are under way to find out effective methods. But, most researches which are related to BCI are not centralized and not systematic. These problems brought about ineffective results of researches. In most researches related in HCI, that is to say - pattern recognition, the most important foundation of the research is to build correct and sufficient DB. But there is no effective and reliable standard research conditions when researchers are gathering brain-wave in BCI. Subjects as well as researchers do not know effective methods for gathering DB. Researchers do not know how to instruct subjects and subjects also do not know how to follow researchers' instruction. To solve these kinds of problems, we propose effective brain-wave DB building system using the five senses stimulation. Researcher instructs the subject to use the five senses. Subjects imagine the instructed senses. It is also possible for researchers to distinguish whether brain-wave is right or not. In real time, researches verify gathered brain-wane data using spectrogram. To verify effectiveness of our proposed system, we analyze the spectrogram of gathered brain-wave DB and pattern. On the basis of spectrogram and pattern analysis, we propose an effective brain-wave DB building method using the five senses stimulation.
Ubiquitous systems have grown explosively over the few years. Nowadays users' needs for high qualify service lead a various type of user terminals. One of various type of user interface, various types of effective human computer interface methods have been developed. In many researches, researchers have focused on using brain-wave interface, that is to say, BCI. Nowadays, researches which are related to BCI are under way to find out effective methods. But, most researches which are related to BCI are not centralized and not systematic. These problems brought about ineffective results of researches. In most researches related in HCI, that is to say - pattern recognition, the most important foundation of the research is to build correct and sufficient DB. But there is no effective and reliable standard research conditions when researchers are gathering brain-wave in BCI. Subjects as well as researchers do not know effective methods for gathering DB. Researchers do not know how to instruct subjects and subjects also do not know how to follow researchers' instruction. To solve these kinds of problems, we propose effective brain-wave DB building system using the five senses stimulation. Researcher instructs the subject to use the five senses. Subjects imagine the instructed senses. It is also possible for researchers to distinguish whether brain-wave is right or not. In real time, researches verify gathered brain-wane data using spectrogram. To verify effectiveness of our proposed system, we analyze the spectrogram of gathered brain-wave DB and pattern. On the basis of spectrogram and pattern analysis, we propose an effective brain-wave DB building method using the five senses stimulation.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본논문은 이러한 뇌파신호 분석에 대한 관련연구 중 기반 연구로써 "오감자극을 활용한 뇌파 DB구축 시스템"을 구현 하였다. 뇌파측정시 혼입되는 눈 깜박임이나, 침 삼키기 등에 대한 근전도 (EMG), 심전도(ECG), 안 전도(EOG), 맥파, 호흡, 체동(body monement)등 인체 내에서 유래하는 noise 또는 전극의 부착불량, 불량전극, 전극유도선의 흔들림으로 인한 noise를 검출하기위해 실험자에 의한 사전검사를 실시하였다.
따른 오류가능성을 내포하고 있다. 본 논문에서는 오감자극을 활용한 이벤트 리스트를 구성하여 피험자의 주관적인 해석에따른 오류가능성을 줄였다. 그림 9는 본 논문에서 구현한 시스템의 이벤트 리스트를 나타내고 있다.
내포하고 있다. 본 논문에서는 이러한 오류 가능성을 사전에 제거하기 위해서는 오감자극을 활용하여 피험자에게 보다정확한 지침을 제시할 수 있게 하였다.
BCI관련 연구가 궁극적인 목표인 HCI 방안으로 활용되기 위해서는 DB구축부터 시작한 체계적인 연구가 이루어 저야한다. 본 논문에서는 인간의 뇌파를 활용하여 BCI구현을 하기위한 기초연구 방안으로 정확하고 효율적인 뇌파 DB구축 시스템을 구현하였다. 뇌파 DB구축 시스템은 피험자에게 좀 더 정확한 지침을 제시하기 위해 오감자극을 이용하였으며, 실험 전 활용할감각의 수, 각 감각별 지침의 수, 각 감각별 상상 수의 입력을통해 자동적으로 DB구축이 이루어지도록 구현 하였다.
본 연구는 인지적 긍정/부정 선택 과제의 수행 시 뇌파를 이용하여 피험자의 반응시간(RT, response time)을 예측하는 방법에 관하여 기술한다. 실험 task에서 피험자는 시각적 자극에 대한 반응, 문제의 해석, 손 움직임의 조절, 손동작 등과 관련된 뇌 활동을 유발 한다.
연속적인 반복 실험을 위해서는 피험자에게 실험에 대한 명령을 주는 방법 또한 실험의 결과에 큰 영향을 주는 요소로 작용한다. 본 연구에서는 뇌파에 미치는 영향이 최소화 되는 명령자극 종류와 제시방법을 결정하기 위하여 시각 자극을 활용한 다양한 명령제시방법에 대한 실험을 수행하였다. 피험자의 상상에 의해 발생되는 뇌파에 미치는 명령자극 영향이 최소가 되는 명령 자극 종류와 제시 방법을 결정하였다.
artifact 를 분리, 제거하기 위한 방법으로는 측정 장비의 발달에 따라 측정값의 정확도를 높이거나, 측정시 피험자에게 최대한 편안한 자세를 취하게 하는 등 다양한 방법을 이용되고 있으며, 최근에는 주성분분석 (principal component analysis) 과 독립성분분석 등을 이용하여 artifact를 제거하는 연구가 계속되고 있으나 측정된 뇌파의 원 신호 중 순수 EEG 신호를 얻기에는 한계가 있다. 본 연구에서는 보다 적극적으로 artifact를 활용하기 위해 artifact가 섞인 뇌파의 특성을 분석하여 이를 통해 제어 시스템 등과 같은 시스템에 적용할 수 있는 가능성을 알아보았다. 대표적인 artifact 인 eye_blinking, eye_rolling, muscle 등이 각각 포함된 뇌파에대해서 선형 및 비선형 분석을 실시함으로써 유의미한 특성 차이를 나타내었다.
뇌파측정 시 noise제거를 위한 전처리 단계의 다양한선행 연구가 진행되고 있으나 완벽한 제거가 불가능하였다. 본논문에서는 이러한 문제점을 해결하고자 spectrogram을 활용한뇌파의 실시간 사전검사를 통하여 뇌파수집 시 눈 깜박임에 의한 noise, electric noise, loose contact 등으로 인한 오류가 포함된 뇌파 DB를 검출, 배제 할 수 있도록 하였다.
가설 설정
(A) noise 및 artifact 신호 포함. (B) noise 및 artifact 신호 일부 제거.
제안 방법
뇌파를 측정하기 전에 4가지 자극(눈 깜박임, 눈 굴림, 근육의 움직임, '아'. '으' 발음에 대해 피험자에게 인지시키고 편안히 누운 상태에서 4가지 자극을 지시하고 명령을 수행하는 1분 동안 뇌파를 기록하였다. 두피에 부착한 전극을 통하여 전달되는 뇌파 전위는 256Hz로 샘플링 하였고, 민감도(sensitivity)는 7㎶V/mm, 고주파 여 과(High frequency filter) 60Hz, 저주파 여과(Low frequency filter) 1Hz로 설정하였다.
EEG 신호를 이용하여 상, 하, 좌, 우 4방향으로 커서 이동 방향을 제어할 수 있는 time-multiplexing기법을 이용한 BCI 시스템을 개발하였다. 대뇌피질의 기능에 대한 신경생리학적 및 심리학적 이해 및 뇌파 발생과의 관련성에 대한 이해를 바탕으로 Fpl, Fp2, Cz, C3, C4, T4 등의 여러 전극 위치를 활용하였다.
이와 같은 피험자의 정신상태의 변화를 CT(cut time), ST(seIection time), RP(repeated period) 등을 정의하여 모델링하고, 선택시간 ST를 감지하여 피험자의 반응시간 RT를 예측한다. ST를 감지하기 위하여 측정한 뇌파로부터 a파, β파, γ파를 분리하고, 공간적인 관계를 고려하여 설정한 4쌍의 전극들로부터 3가지의 특징들을 추출한다. 추출한 특징들을 분석하여각 피험자별로 나타나는 상세 규칙(specific rule)과 공통적인 특징들로 구성된 일반 규칙(meta rule)들을 설정한다.
그림 8. 구축 시스템을 활용하여 수집된 뇌파 신호의 스펙트로그램.
본 논문에서는 인간의 뇌파를 활용하여 BCI구현을 하기위한 기초연구 방안으로 정확하고 효율적인 뇌파 DB구축 시스템을 구현하였다. 뇌파 DB구축 시스템은 피험자에게 좀 더 정확한 지침을 제시하기 위해 오감자극을 이용하였으며, 실험 전 활용할감각의 수, 각 감각별 지침의 수, 각 감각별 상상 수의 입력을통해 자동적으로 DB구축이 이루어지도록 구현 하였다. 또한, 실험 시 피험자의 뇌파 데이터가 올바른 데이터인지 아닌지 실험자에 의해 판단할 수 있도록 하여 좀 더 정확하고 효율적인 뇌파 DB구축 시스템을 구현하였다.
본논문은 이러한 뇌파신호 분석에 대한 관련연구 중 기반 연구로써 "오감자극을 활용한 뇌파 DB구축 시스템"을 구현 하였다. 뇌파측정시 혼입되는 눈 깜박임이나, 침 삼키기 등에 대한 근전도 (EMG), 심전도(ECG), 안 전도(EOG), 맥파, 호흡, 체동(body monement)등 인체 내에서 유래하는 noise 또는 전극의 부착불량, 불량전극, 전극유도선의 흔들림으로 인한 noise를 검출하기위해 실험자에 의한 사전검사를 실시하였다. 그러나 실험자는 오류DB를 검출하기 위해 실험 시 항상 모니터 화면을 보고 있어야 하며, 피험자는 오류DB 검출로 인한 연속되는 실험중단으로 실험의 지루함을 느끼는 문제점이 있었다.
비율을 나타낸다. 뇌파측정은 피험자 모두 각 구간별 80회실시하였고 실험 중단은 실험자가 뇌파의 사전검사를 통해 피험자의 눈 깜박임, 심한 몸 움직임, 장비 오류 등을 검출하여 중단하였다. 구간 중 최대 불합격률은 31.
시스템을 개발하였다. 대뇌피질의 기능에 대한 신경생리학적 및 심리학적 이해 및 뇌파 발생과의 관련성에 대한 이해를 바탕으로 Fpl, Fp2, Cz, C3, C4, T4 등의 여러 전극 위치를 활용하였다. 여러 전극으로부터 측정한 뇌파에 대해서 δ, θ, a, β등 다양한 주파수 대역별 분석을 통해 뇌파 신호의 특징을 분리해 냈다.
전극쌍을 사용하였다. 두피에 부착한 전극을 통하여 전달되는 뇌파 전위는 128Hz로 샘플링 하였고, 실험 공간은 암실이나 특수한 방음처리가 된 제약된 환경에서 실험을 하지 않고 피험자와 실험을 모니터링하는 사람 사이에 간단한 칸막이 정도만을 설치하여 일반 연구실 환경에서 수행하였다. 움직임에 의해 발생하는 EMG 신호를 최소화하기 위하여 operator에 의해 컴퓨터를 조작하여 피험자는 상상만을 하게 하였다.
'으' 발음에 대해 피험자에게 인지시키고 편안히 누운 상태에서 4가지 자극을 지시하고 명령을 수행하는 1분 동안 뇌파를 기록하였다. 두피에 부착한 전극을 통하여 전달되는 뇌파 전위는 256Hz로 샘플링 하였고, 민감도(sensitivity)는 7㎶V/mm, 고주파 여 과(High frequency filter) 60Hz, 저주파 여과(Low frequency filter) 1Hz로 설정하였다.
또한, 실험 시 피험자의 뇌파 데이터가 올바른 데이터인지 아닌지 실험자에 의해 판단할 수 있도록 하여 좀 더 정확하고 효율적인 뇌파 DB구축 시스템을 구현하였다. 또한 뇌파 데이터 수집시 피험자의 뇌파 데이터가 오류를 포함한 데이터인지 아닌지 실험자에 의해 사전판단 될 수 있도록 설계하여 좀 더 효율적인 뇌파 DB구축 시스템을 설계하였다.
측정 시간은 1회 테스트마다 그림 4에서 도시되어진 바와 같이 전, 후 6초간의 mental task 사이에 2초간의 준비 시간을 두고 측정을 하였다. 또한 컴퓨터와 피험자의 상호 훈련을 통하여 mental task 시의 측정 시간을 줄여 나가는 실험을 반복적으로 수행 하였다. 연속적인 반복 실험을 위해서는 피험자에게 실험에 대한 명령을 주는 방법 또한 실험의 결과에 큰 영향을 주는 요소로 작용한다.
그림 12에서 보여지는바와 같이 뇌파측정은 실험실 환경에서 수행하였으며, 피험자의 움직임에 의해 발생되는 EMG 신호를 최소화 하였다. 또한 피험자에게 좀 더 정확한 지침을 제시하기 위해 오감자극을 이용하였다. 본 논문에서 구현한 시스템의 DB는 피험자별 20회씩 실험을 반복하였고 Icycle 당 33Frame(70s) 으로 구성되어져 있으며, 총 6600Frame의 데이터를 생성하였다.
뇌파 DB구축 시스템은 피험자에게 좀 더 정확한 지침을 제시하기 위해 오감자극을 이용하였으며, 실험 전 활용할감각의 수, 각 감각별 지침의 수, 각 감각별 상상 수의 입력을통해 자동적으로 DB구축이 이루어지도록 구현 하였다. 또한, 실험 시 피험자의 뇌파 데이터가 올바른 데이터인지 아닌지 실험자에 의해 판단할 수 있도록 하여 좀 더 정확하고 효율적인 뇌파 DB구축 시스템을 구현하였다. 또한 뇌파 데이터 수집시 피험자의 뇌파 데이터가 오류를 포함한 데이터인지 아닌지 실험자에 의해 사전판단 될 수 있도록 설계하여 좀 더 효율적인 뇌파 DB구축 시스템을 설계하였다.
)장비를 이용하여 뇌파를 측정하였으며, 피험자의 뇌파는 256Hz샘플링, 12-bit AD변환에 의해 컴퓨터로 저장되었다. 머리표면 총 4부위에서 Mono-Polar 방식으로 뇌파를 측정하였으며, 그림 11에 도시되어진 바와 같이 10-20국제전극배치법에 의해 F3, F4, T3, T4의 위치에 측정전극을 부착하였다. 기준전극은 왼쪽 귀밑, 접지전극은 오른쪽 귀밑에 부착하였다.
본 논문에서 구현한 DB구축 시스템은 앞서 서술한 바와 같이그림 7의 시스템 흐름도에 따라 3가지의 감각을 활용하였으며, 안 전도를 이용한 패턴 구분을 확인하기 위해 눈의 움직임에 대한 이벤트도 추가하였다. 각 감각별 지침 수, 각 감각별 상상의수는 4가지이며, 본 시스템에서 구현한 뇌파 DB는 총 33개의 Frame으로 청각(2~9Frame), 시각(10~17Frame), 청각+시각 (18~25Frame), 눈의 움직임(26~33Frame)구간으로 구성되어있다.
본 논문에서 구현한 시스템은 전산화 뇌파측정기인 QEEG-4 (모델명:LXE3204, LAXTHA Inc.)장비를 이용하여 뇌파를 측정하였으며, 피험자의 뇌파는 256Hz샘플링, 12-bit AD변환에 의해 컴퓨터로 저장되었다. 머리표면 총 4부위에서 Mono-Polar 방식으로 뇌파를 측정하였으며, 그림 11에 도시되어진 바와 같이 10-20국제전극배치법에 의해 F3, F4, T3, T4의 위치에 측정전극을 부착하였다.
이벤트는 피험자가 사용할 감각에 따른 지침이 이루어지고 난후 사용할 감각에 따른 상상이 수행되며, 전체 프레임의 수는 (준비단계) + (각 감각별 지침 수) + (각 감각별 상상 수)로 구성된다. 본 논문에서 사용한 이벤트리스트는 그림 9에 도시되어진 바와 같이준비시간(IFrame), 각 감각별 지침 수 4가지, 각 감각별 상상수 4가지를 활용하였다.
본 연구에서 수행한 실험의 문제점들로는 뇌파에 유입되는 artifact 신호 중 안 전도 및 근육 움직임 신호의 경우, 발생한 안 전도 신호가 의도한 신호인지 의도하지 않은 신호인지 구분 불가능하며, 상기 제시되어진 측정 장비 및 실험 환경에 따른 artifact 신호를 제거하지 않고 실험을 진행 하였다. 본 논문에서는기존 연구의 문제점을 해결하기 위하여 spectrogram기법을 활용하였으며, 실험자는 spectrogram 을 통하여 측정되는신호가 실험에 필요한 적절한 신호인지 구분할 수 있게 하였다.
본 논문의 구성은, 2장에서 BCI관련연구 동향을 소개 하였으며, 3장에서는 본 논문에서 제안한 시스템의 개발환경 및 특징(시스템 흐름도, 이벤트 리스트)등에 대하여 서술 하였으며, 4장에서본 논문에서 구현한 시스템의 실험 및 결과, 성능분석을 하였으며 이를 근거로 향후 연구방향을 제시 하였다.
포함하고 있다. 본 실험에서는 artifact 중에서 비교적쉽게 발생시킬 수 있으며 측정 시 높은 값을 갖는 안구 운동과 근육 운동에 대하여 뇌파를 측정하여 분석하였다. 뇌파에 유입되는 artifact 중에서 눈의 움직임이나 근육의 움직임은 시각적으로도 쉽게 판별 가능하나 전극의 부착 불량, 불량전극, 전극유도선의 흔들림 등 측정 장비로 인한 noise는 확인하기 어려운 실정이다.
그림 3에서 보여지는바와 같이 측정된 뇌파 신호로부터 눈의 깜박임과 눈동자의 굴림 등에 의하여 발생되는 안 전도(EOG) 및 호흡과 근육의 움직임에 유발되는 근전도(EMG)의 영향이 포함되어져 있음을 알 수 있다. 본 실험에서는 notch필터를 활용하여 근전도 및 안 전도, 전원 noise등을 제거하여 실험에 활용하였으나 측정뇌파에 포함되어진 noise성분을 완벽하게 제거하지는 못하였다. 이러한 뇌파측정 시 혼입된 noise가 포함된 오류 DB를 활용시에는 뇌파패턴의 학습 및 인식과정에서 많은 성능저하를 야기할 수 있다.
그림 13에 나타난 오류가 포함된 뇌파 DB를 활용시 학습 및 인식관련에 많은 문제점들이 존재하게 된다. 본 실험에서는 수집되어지는 뇌파 DB의실시간 관측을 통한 오류가 포함된 DB의 사전제거 및 해당 부분 DB의 재구축 등을 수행하였으며 수행결과 개선되어진 뇌파 DB를 그림 13의 (B)에 나타내었다. 그림 13의 (B)는 장비의 문제를 해결 후 눈 깜박임, electric noise, loose contact 등을 제거한 후 재수집한 뇌파 DB의 spectrogram을 나타낸다.
분리한 신호의 특징 정보를 이용하여 bio-feedback을 통한 컴퓨터와 피험자의 상호훈련을 수행하는 하이브리드 인식기를 구현하였다. 본 연구에서 구현한 인식 기 를 사용하여 뇌 파를 실시간 측정 시 피험자의 상황에 의해 발생할 수 있는 데이터의 변이에 의한 오차를 줄이기 위해 recognition threshold를 측정시마다 보정하였고 bio-feedback을 이용하여 피험자의 훈련도 수행하였다.
뇌파에 유입되는 artifact 중에서 눈의 움직임이나 근육의 움직임은 시각적으로도 쉽게 판별 가능하나 전극의 부착 불량, 불량전극, 전극유도선의 흔들림 등 측정 장비로 인한 noise는 확인하기 어려운 실정이다. 본 연구에서 수행한 실험의 문제점들로는 뇌파에 유입되는 artifact 신호 중 안 전도 및 근육 움직임 신호의 경우, 발생한 안 전도 신호가 의도한 신호인지 의도하지 않은 신호인지 구분 불가능하며, 상기 제시되어진 측정 장비 및 실험 환경에 따른 artifact 신호를 제거하지 않고 실험을 진행 하였다. 본 논문에서는기존 연구의 문제점을 해결하기 위하여 spectrogram기법을 활용하였으며, 실험자는 spectrogram 을 통하여 측정되는신호가 실험에 필요한 적절한 신호인지 구분할 수 있게 하였다.
본 연구에서는 뇌 질환을 가지고 있지 않은 정상 성인 2 0명을 대상으로 국제 표준 전극배치법 인 10-20system을이용하여 Fpl, Fp2, F7, F8에 해당하는 부위를 측정하였다. 뇌파를 측정하기 전에 4가지 자극(눈 깜박임, 눈 굴림, 근육의 움직임, '아'.
실정이다. 본 장에서는 뇌파 DB구축 관련 연구의 필요성을 인지하기 위하여 최근 연구되고 있는 BCI관련 연구를 뇌파측정 및 DB구축의관점에서 분석하며 각 연구의 문제점을 분석하여 뇌파 DB관련연구의 필요성을 확인한다.
여러 전극으로부터 측정한 뇌파에 대해서 δ, θ, a, β등 다양한 주파수 대역별 분석을 통해 뇌파 신호의 특징을 분리해 냈다. 분리한 신호의 특징 정보를 이용하여 bio-feedback을 통한 컴퓨터와 피험자의 상호훈련을 수행하는 하이브리드 인식기를 구현하였다. 본 연구에서 구현한 인식 기 를 사용하여 뇌 파를 실시간 측정 시 피험자의 상황에 의해 발생할 수 있는 데이터의 변이에 의한 오차를 줄이기 위해 recognition threshold를 측정시마다 보정하였고 bio-feedback을 이용하여 피험자의 훈련도 수행하였다.
실험은 피험자에 따라 mental task에 따른 뇌파의 측정을 위해 Fpl, Fp2, C3, C4나 Fpl, Fp2, Cz, T4의 위치에 4 개의 전극쌍을 사용하였다. 두피에 부착한 전극을 통하여 전달되는 뇌파 전위는 128Hz로 샘플링 하였고, 실험 공간은 암실이나 특수한 방음처리가 된 제약된 환경에서 실험을 하지 않고 피험자와 실험을 모니터링하는 사람 사이에 간단한 칸막이 정도만을 설치하여 일반 연구실 환경에서 수행하였다.
대뇌피질의 기능에 대한 신경생리학적 및 심리학적 이해 및 뇌파 발생과의 관련성에 대한 이해를 바탕으로 Fpl, Fp2, Cz, C3, C4, T4 등의 여러 전극 위치를 활용하였다. 여러 전극으로부터 측정한 뇌파에 대해서 δ, θ, a, β등 다양한 주파수 대역별 분석을 통해 뇌파 신호의 특징을 분리해 냈다. 분리한 신호의 특징 정보를 이용하여 bio-feedback을 통한 컴퓨터와 피험자의 상호훈련을 수행하는 하이브리드 인식기를 구현하였다.
유형 1과 유형 2에 해당하는 문제를 각각 6문항씩 선정하고, 유형 3에 속하는 문제 12문항 을 선정하여 총 24문제로 세션 (session)을 구성한다. 각 문제는 그림 2에 나타난 실험 세션의 타이밍도에 따라 10초 동안 피험자용 화면에 제시되고, 이 동안에 피험자는 키보드 입력을 활용하여 YES, NO, REJECT에 해당되는 키를 눌러서 답을 표시하게 된다.
또한 뇌파는 실험당시 피험자의 심리상태, 눈 깜박임, 눈동자의 움직임, 그리고 근육의 움직임과 같은 artifact에 쉽게 영향을 받는 미약한 신호이기 때문에 뇌-컴퓨터 인터페이스 시스템을 위한 적절한 신호의 DB를 구축하기에는 많은 문제점이 있다. 이러한 문제점들을 해결하기 위해 본 논문에서는 뇌파 수집 시 오감자극을 활용한 지침을 제시하여 피험자의 주관적인 해석에 따른 오류가능성을 사전에 제거하였으며, 또한 spectrogram기법을 활용하여 artifact의 혼입 및 수집중인 DB가실험에 필요한 적절한 신호인지 구분 가능하게 하였다.
우 손의 움직임에 대한 자극을 제시하고 반복 실험을 수행하였으며, 실험결과 총 3명중 2명의 경우는 오른손의 움직임에 의한 상상, 나머지 1명의 경우는 발의 움직임을 상상할 때특정 주파수 대역에서의 파워값이 비집중시 파워값과 명확한 차이를 보였다. 이런 특징을 바탕으로 피험자가 상상시 파워 값의 명확한 차이를 보인 두명은 오른손의 움직임을 상상, 나머지 한 명은 발의 움직임을 상상하게 하였고 비집중시는 아무 상상을 하지 않도록 하여 뇌파를 측정 하였다. 즉정된 뇌파의 원 신호 중 순수 EEG 신호를 얻기 위하여 ICA기법을 사용하였고 그림 5는 C3, C4, Fpl, Fp2에서 측정한 EEG 신호의한 예를 보이고 있다.
실험 task에서 피험자는 시각적 자극에 대한 반응, 문제의 해석, 손 움직임의 조절, 손동작 등과 관련된 뇌 활동을 유발 한다. 이와 같은 피험자의 정신상태의 변화를 CT(cut time), ST(seIection time), RP(repeated period) 등을 정의하여 모델링하고, 선택시간 ST를 감지하여 피험자의 반응시간 RT를 예측한다. ST를 감지하기 위하여 측정한 뇌파로부터 a파, β파, γ파를 분리하고, 공간적인 관계를 고려하여 설정한 4쌍의 전극들로부터 3가지의 특징들을 추출한다.
한편, 측정 시간 조절을 통하여 눈깜박임에 의한 EOG 신호와 같은 noise를 최소화하는 등안정된 상황에서 측정을 실시하였다. 측정 시간은 1회 테스트마다 그림 4에서 도시되어진 바와 같이 전, 후 6초간의 mental task 사이에 2초간의 준비 시간을 두고 측정을 하였다. 또한 컴퓨터와 피험자의 상호 훈련을 통하여 mental task 시의 측정 시간을 줄여 나가는 실험을 반복적으로 수행 하였다.
본 연구에서는 뇌파에 미치는 영향이 최소화 되는 명령자극 종류와 제시방법을 결정하기 위하여 시각 자극을 활용한 다양한 명령제시방법에 대한 실험을 수행하였다. 피험자의 상상에 의해 발생되는 뇌파에 미치는 명령자극 영향이 최소가 되는 명령 자극 종류와 제시 방법을 결정하였다.
움직임에 의해 발생하는 EMG 신호를 최소화하기 위하여 operator에 의해 컴퓨터를 조작하여 피험자는 상상만을 하게 하였다. 한편, 측정 시간 조절을 통하여 눈깜박임에 의한 EOG 신호와 같은 noise를 최소화하는 등안정된 상황에서 측정을 실시하였다. 측정 시간은 1회 테스트마다 그림 4에서 도시되어진 바와 같이 전, 후 6초간의 mental task 사이에 2초간의 준비 시간을 두고 측정을 하였다.
대상 데이터
이벤트도 추가하였다. 각 감각별 지침 수, 각 감각별 상상의수는 4가지이며, 본 시스템에서 구현한 뇌파 DB는 총 33개의 Frame으로 청각(2~9Frame), 시각(10~17Frame), 청각+시각 (18~25Frame), 눈의 움직임(26~33Frame)구간으로 구성되어있다. 본 논문에서 구현한 사용자 입력기반 뇌파 DB구축 시스템은 다양한 형태의 실험이 조합 가능하며, 자동화된 DB저장 기능을 제공한다.
또한 피험자에게 좀 더 정확한 지침을 제시하기 위해 오감자극을 이용하였다. 본 논문에서 구현한 시스템의 DB는 피험자별 20회씩 실험을 반복하였고 Icycle 당 33Frame(70s) 으로 구성되어져 있으며, 총 6600Frame의 데이터를 생성하였다.
본 논문에서 구현한 오감자극을 활용한 뇌파 DB구축 시스템은 Workstation (CPU:콘로 E6600, Memory:4GB)과 4채널전산화 뇌파측정기인 QEEG-4(LXE3204, LAXTHA Inc.)로구성되어 있다. QEEG-4은 4개의 채널로 구성되어 있으며, Mono-Polar(Uni-Polar)방식으로 뇌파를 측정한다.
기준전극은 왼쪽 귀밑, 접지전극은 오른쪽 귀밑에 부착하였다. 사용된 전극은 금으로 도포된 접시형태의 디스크전극이며, 피부와의 접촉저항을 최소화하기위해 먼저 알코올 솜을 이용하여 머리표면의 이물질을 제거 후 접시전극에 뇌파전용전극풀을 묻혀 부착하였다. 또한 부착된 접시전극위에 거즈를 살짝 덮어줌으로써 전극풀이 빨리 굳지 않고 머리표면에 잘 고정되도록 하였다.
실험에 참가한 10명의 피험자로부터 수집되어진 뇌파 DB는눈 깜박임으로 인한 noise, electric noise, loose contact 등 여러 가지 noise으로 인한 오류가 포함되어있다. 그림 13은 수집되어진 뇌파 DB및 noise성분을 도시하였다.
실험에 참가한 피험자는 20세에서 26세 나이의 남성 5명, 여성 5명으로 구성하였다. 그림 12에서 보여지는바와 같이 뇌파측정은 실험실 환경에서 수행하였으며, 피험자의 움직임에 의해 발생되는 EMG 신호를 최소화 하였다.
전극은 국제 표준 규격인 10-20 시스템에 맞추어 Fpl, Fp2, F3, F4, Fz, C3, C4, Cz의 위치에 부착하였다. 두피에 부착한 전극을 통하여 전달되는 뇌파 전위는 DAS를 통하여 128Hz로 샘플링 되어 실험자의 컴퓨터 화면에 나타나고, 동시에 기억장치에 저장된다.
피험자의 뇌파는 총 8개의 전극을 통하여 측정한다. 전극은 국제 표준 규격인 10-20 시스템에 맞추어 Fpl, Fp2, F3, F4, Fz, C3, C4, Cz의 위치에 부착하였다.
이론/모형
본 논문에서는 이러한 Power spectrum을 연속적인 시간에 대하여 분석을 수행하였으며 이를 보다 편리하게 도시하기 위하여 그림 8과 같이 spetrogram기법을 사용하였다. 그림 8에 도시되어진 spectrume 가로축에는 시간을 세로축에는 주파수를 표현하며 실험자는 본 화면을 통하여 수집되고 있는 뇌파 신호가 실험에 적합한 오류 없는 신호인지 구분가능하게 된다.
이런 특징을 바탕으로 피험자가 상상시 파워 값의 명확한 차이를 보인 두명은 오른손의 움직임을 상상, 나머지 한 명은 발의 움직임을 상상하게 하였고 비집중시는 아무 상상을 하지 않도록 하여 뇌파를 측정 하였다. 즉정된 뇌파의 원 신호 중 순수 EEG 신호를 얻기 위하여 ICA기법을 사용하였고 그림 5는 C3, C4, Fpl, Fp2에서 측정한 EEG 신호의한 예를 보이고 있다. 그림 5의 (A)에서 도시되어진 바와 같이 측정된 4개의 신호는 모두 유사해 보이며, 눈의 움직임과 같은 noise성분이 포함되어 있음을 알 수 있다.
성능/효과
각 감각별 지침 수, 상상 횟수는 실험 설계당시 고려한 감각의 수만큼 입력 하여야 하며, 입력 조건 만족 시 데이터 수집을 시작하게 된다. 또한 데이터 수집과동시에 실험자는 화면의 spectrogram을 통해 피험자의 뇌파를 사전검사 할 수 있으며 이를 통하여 뇌파 수집 시 측정 오류 및 계측장비의 오류 등으로 인한 오류가 포함된뇌파 DB를 검출할 수 있으며 이로 인하여 정확한 DB의구축이 가능할 수 있도록 구현하였다.
없었다. 또한, 뇌 기능과 뇌파와의 관계 등에 대한 연구를 통해 이해를 바탕으로 전극의 위치를 결정하고 뇌파를 측정한 후 새로운 패턴인식 알고리즘을 적용한 인식기를 구현한 결과들에서도 높은 인식률을 갖는 시스템을 구현하는 것이 쉽지 않았다. 이러한 결과는, 상상만으로 컴퓨터에게 방향 명령을 주기위해 피험자가 어떤상상을 어떻게 해야 하는지에 대한 표준적인 자료가 없고 동일한 상상에 대해서도 피험자에 따른 뇌파 특성이 상당히 다르게 나오며, 피험자 마다 전극의 위치에 따라 뇌파의 특성이 다르게 나오는 등 뇌파 특성의 난해함이 원인으로 분석되었다.
각 감각별 지침 수, 각 감각별 상상의수는 4가지이며, 본 시스템에서 구현한 뇌파 DB는 총 33개의 Frame으로 청각(2~9Frame), 시각(10~17Frame), 청각+시각 (18~25Frame), 눈의 움직임(26~33Frame)구간으로 구성되어있다. 본 논문에서 구현한 사용자 입력기반 뇌파 DB구축 시스템은 다양한 형태의 실험이 조합 가능하며, 자동화된 DB저장 기능을 제공한다. 즉, 전문적인 지식이 없는 실험자에 의해서도 DB 형태의 변경이 쉽게 가능하다.
또한 피험자의 심리적 상태, 환경에 따라 인식률의 많은 편차가 있으며 개개인의 인식률 편차는 더욱더 심하여 BCI기술로 활용하기는 부적절하다. 본 논문에서 제시한 오감자극을 활용한 실험은 그림 14에 나타난 바와 같이 피험자에게 보다 정확한 지침을 제시함으로써 동일한 지침에 대해 비슷한 형태의 패턴을 확인할 수 있었다. 특히 Speech [il]의 피험자 지침 구간 및 지침에따른 피험자 상상 구간에서는 보다 다른 구간에 비해 좀 더 명확한 패턴구분의 차이를 나타내고 있다.
본 연구는 총 3명의 피험자에 대하여 혀, 발, 좌 . 우 손의 움직임에 대한 자극을 제시하고 반복 실험을 수행하였으며, 실험결과 총 3명중 2명의 경우는 오른손의 움직임에 의한 상상, 나머지 1명의 경우는 발의 움직임을 상상할 때특정 주파수 대역에서의 파워값이 비집중시 파워값과 명확한 차이를 보였다. 이런 특징을 바탕으로 피험자가 상상시 파워 값의 명확한 차이를 보인 두명은 오른손의 움직임을 상상, 나머지 한 명은 발의 움직임을 상상하게 하였고 비집중시는 아무 상상을 하지 않도록 하여 뇌파를 측정 하였다.
또한, 뇌 기능과 뇌파와의 관계 등에 대한 연구를 통해 이해를 바탕으로 전극의 위치를 결정하고 뇌파를 측정한 후 새로운 패턴인식 알고리즘을 적용한 인식기를 구현한 결과들에서도 높은 인식률을 갖는 시스템을 구현하는 것이 쉽지 않았다. 이러한 결과는, 상상만으로 컴퓨터에게 방향 명령을 주기위해 피험자가 어떤상상을 어떻게 해야 하는지에 대한 표준적인 자료가 없고 동일한 상상에 대해서도 피험자에 따른 뇌파 특성이 상당히 다르게 나오며, 피험자 마다 전극의 위치에 따라 뇌파의 특성이 다르게 나오는 등 뇌파 특성의 난해함이 원인으로 분석되었다.[2] 이상에서 서술한 바와 같이 뇌-컴퓨터 인터페이스 시스템의 성능은 사람의 뇌로부터 얼마나 특성이 좋은 뇌파를 측정할 수 있냐가 상당히 중요하다.
후속연구
본 논문에서 구현한 "오감자극을 활용한 뇌파 DB구축 시스템"은 BCI, 인지과학, 뇌과학 등 다양한 학문분야에 있어서 기초적이며 중요한 핵심 분야로서 BCI관련 연구 개발의 기반이 될것이다. BCI관련 연구 개발은 사고로 전신이 마비된 사람들, 선천적인 지체 부자유자들을 위해 언어나 신체의 동작을 거치지 않고 뇌파를 활용한 직접적인 인터페이스 및 사지가 자유롭지 못한특수 환경의 근무자들에게 유용한 인터페이스를 제공함으로써 중증 장애우의 삶과 특수근무자 환경의 제약을 획기적으로 변화 시킬 수 있는 기술이다.
DB구축 관련 연구는 전무한 실정이다.[4][5][6] 효과적인 뇌파 패턴 분석을 하기위해서는 특징추출 알고리즘과 패턴인식기의 성능을 높이기에 앞서 효율적이고 정확한 DB구축부터 시작한 체계적인 연구가 진행되어야 할 것이다. 즉, 동일한 피험자에게 구체적인 지침을 제시하지 않은 상황에서 뇌파 DB의 수집이 이루어지게 된다면 피험자는 자신의 심리적 상태에 따라 뇌파 DB 수집 당시 다른 상상을 지속하게 되며, 이는 동일한 피험자가 동일한 지침에 대해서 DB를 생성하더라도 그 결과는 달라질 것이다.
향후 이러한 문제점을 보완하기 위해 뇌파 측정시 혼입되는 noise를 자동적으로 제거하여야 할 것이다. 뇌파 측정시 혼입되는 noise를 자동적으로 제거하기 위해서는 독립성분분석, 주요성분분석 등의 noise 분리 및제거를 위한 다양한 알고리즘에 관한 연구가 진행되어야 할 것이다. 또한 측정되는 뇌파신호를 보다 정확하고 안정적인 뇌파 DB 로 구축하기 위해서는 웹캠을 이용한 영상신호 처리와 마이크를 이용한 음성신호 처리의 기술을 함께 활용한 멀티모달 인터페이스(multimodal interface)시스템을 구현하여야 할 것이다.
다양한 형태의 인간친화형 사용자 인터페이스 중 하나인 인간의 뇌를 활용한 뇌-컴퓨터 인터페이스(Brain Computer IntEraction) 시스템에 관한 연구가 최근 산발적으로 다양하게 진행되고 있으며, 이러한 연구는 컴퓨터와 인간의 상호작용을 효과적으로 수행하기 위한 수단으로써 인간의 생체신호인 뇌파를 매개로 하는 가장 자연스럽고 직관적인 인터페이스가 될 것이다. 그러나 뇌파는 예측이 어려운 시계열 데이터로써 시간적 의존성이 존재하고 시간에 따라 통계적 특성이 변할 수 있는 비정칙 성(non-stationaiy) 신호이므로 분석이 어렵다.
뇌파 측정시 혼입되는 noise를 자동적으로 제거하기 위해서는 독립성분분석, 주요성분분석 등의 noise 분리 및제거를 위한 다양한 알고리즘에 관한 연구가 진행되어야 할 것이다. 또한 측정되는 뇌파신호를 보다 정확하고 안정적인 뇌파 DB 로 구축하기 위해서는 웹캠을 이용한 영상신호 처리와 마이크를 이용한 음성신호 처리의 기술을 함께 활용한 멀티모달 인터페이스(multimodal interface)시스템을 구현하여야 할 것이다.
추출한 특징들을 분석하여각 피험자별로 나타나는 상세 규칙(specific rule)과 공통적인 특징들로 구성된 일반 규칙(meta rule)들을 설정한다. 본 연구는 기존의 인지적인 정신상태 판별을 위한 방법들이나 왼손/오른손 동작구분 방법들과 결합하여 사용할 경우 BCI를 위한 기반 기술로 활용하기위한 연구를 진행할 것이다.
그러나 실험자는 오류DB를 검출하기 위해 실험 시 항상 모니터 화면을 보고 있어야 하며, 피험자는 오류DB 검출로 인한 연속되는 실험중단으로 실험의 지루함을 느끼는 문제점이 있었다. 향후 이러한 문제점을 보완하기 위해 뇌파 측정시 혼입되는 noise를 자동적으로 제거하여야 할 것이다. 뇌파 측정시 혼입되는 noise를 자동적으로 제거하기 위해서는 독립성분분석, 주요성분분석 등의 noise 분리 및제거를 위한 다양한 알고리즘에 관한 연구가 진행되어야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.