사람과 컴퓨터의 인터페이스를 위한 방법에는 여러 가지가 있으나 보나 편리하고 몸이 불편한 사람들도 이용할 수 있도록 하기 위하여 최근에는 사람의 뇌파를 이용하여 인터페이스를 하기 위한 연구가 활발히 진행되고 있다. 따라서 세계 여러나라에서 뇌파에 대한 연구가 진행되고 있다. 하지만 아직까지 뇌파에 대한 정확한 분석이 이루어지지 못하고 있는 실정이다. 이를 위해 본 논문에서는 정확한 뇌파분석을 위한 뇌파 유발 자극방법 및 측정법을 제안하고, Fp1, Fp2, C3, C4 영역에서 뇌파를 측정하여 사람이 팔을 움직이고자 하는 상상을 할 때 ${\mu}$파와 ${\beta}$파에서 발견되는 Event-Related Synchronization(ERS), Event-Related Desynchronization(ERD)을 분석함으로써 사람의 의도를 뇌파를 통해 인지하고자 한다. 실험결과 피험자가 오른쪽 팔을 움직이고자 할 경우 왼쪽 뇌에서 ${\mu}$파 감소하고 ${\beta}$파는 증가하였으며, 왼쪽 팔을 움직이고자 한 경우 반대로 우뇌에서 ${\mu}$파가 감소하고 ${\beta}$파가 증가하는 것을 알 수 있었다.
사람과 컴퓨터의 인터페이스를 위한 방법에는 여러 가지가 있으나 보나 편리하고 몸이 불편한 사람들도 이용할 수 있도록 하기 위하여 최근에는 사람의 뇌파를 이용하여 인터페이스를 하기 위한 연구가 활발히 진행되고 있다. 따라서 세계 여러나라에서 뇌파에 대한 연구가 진행되고 있다. 하지만 아직까지 뇌파에 대한 정확한 분석이 이루어지지 못하고 있는 실정이다. 이를 위해 본 논문에서는 정확한 뇌파분석을 위한 뇌파 유발 자극방법 및 측정법을 제안하고, Fp1, Fp2, C3, C4 영역에서 뇌파를 측정하여 사람이 팔을 움직이고자 하는 상상을 할 때 ${\mu}$파와 ${\beta}$파에서 발견되는 Event-Related Synchronization(ERS), Event-Related Desynchronization(ERD)을 분석함으로써 사람의 의도를 뇌파를 통해 인지하고자 한다. 실험결과 피험자가 오른쪽 팔을 움직이고자 할 경우 왼쪽 뇌에서 ${\mu}$파 감소하고 ${\beta}$파는 증가하였으며, 왼쪽 팔을 움직이고자 한 경우 반대로 우뇌에서 ${\mu}$파가 감소하고 ${\beta}$파가 증가하는 것을 알 수 있었다.
There are many methods for Human-Computer Interface. Recently, many researchers are studying about Brain-Signal this is because not only the disabled can use a computer by their thought without their limbs but also it is convenient to general people. But, studies about it are early stages. This pape...
There are many methods for Human-Computer Interface. Recently, many researchers are studying about Brain-Signal this is because not only the disabled can use a computer by their thought without their limbs but also it is convenient to general people. But, studies about it are early stages. This paper proposes an EEG signals measurement and analysis methods for Brain-Computer Interface. Our purpose of this research is recognition of subject's intention when they imagine moving their arms. EEG signals are recorded during imaginary movement of subject's arms at electrode positions Fp1, Fp2, C3, C4. We made an analysis ERS(Event-Related Synchronization) and ERD(Event-Related Desynchronization) which are detected when people move their limbs in the ${\mu}$ waves and ${\beta}$ waves. Results of this research showed that ${\mu}$ waves are decreased and ${\beta}$ waves are increased at left brain during the imaginary movement of right hand. In contrast, ${\mu}$ waves are decreased and ${\beta}$ waves are increased at right brain during the imaginary movement of left hand.
There are many methods for Human-Computer Interface. Recently, many researchers are studying about Brain-Signal this is because not only the disabled can use a computer by their thought without their limbs but also it is convenient to general people. But, studies about it are early stages. This paper proposes an EEG signals measurement and analysis methods for Brain-Computer Interface. Our purpose of this research is recognition of subject's intention when they imagine moving their arms. EEG signals are recorded during imaginary movement of subject's arms at electrode positions Fp1, Fp2, C3, C4. We made an analysis ERS(Event-Related Synchronization) and ERD(Event-Related Desynchronization) which are detected when people move their limbs in the ${\mu}$ waves and ${\beta}$ waves. Results of this research showed that ${\mu}$ waves are decreased and ${\beta}$ waves are increased at left brain during the imaginary movement of right hand. In contrast, ${\mu}$ waves are decreased and ${\beta}$ waves are increased at right brain during the imaginary movement of left hand.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
다음으로 뇌파 측정 시 많이 사용되는 방법에 대해 알아보도록 하겠다. 많이 사용되는 뇌파측정 방법에는 그림 3솨같이 10-20 system의 19영역을 측정하기도 하며(3), 더 정밀한 측정을 위해 MCN 전극배치법에서 32영역을 측정하거나 41영역을 측정하기도 한다[6][4].
영향을 미친다. 본 논문에서 제안된 측정 영역에 대해 설명하기에 앞서 이를 위해 먼저, 뇌의 구조와 각 영역의 기능들에 대해 알아보고자 한다.
본 논문에서는 뇌의 여러 영역 중에서 운동중추와 사고 중추 영역에서의 뇌파측정을 통해 채널수를 줄이는 방법을 제안하여 측정 시 불편함을 감소시키고 실시간 분석 시 시간을 단축할 수 있도록 하였으며, 이렇게 측정된 뇌파에서 움직임 시 상상시 발생하는 Event-Related Synchronization(ERS) 와 Event-Related Desynchronization(ERD) 에 대하여 Power Spectrum 분석과 Time/frequency 분석을 통하여 사용자가 어느 쪽 팔을 움직이려고 하는지 인지하는 연구를 수행하였다.
본 논문에서는 뇌파 분석을 통하여 피험자가 오른쪽 팔을 움직이고자 하는지 왼쪽 팔을 움직이고자 하는지를 분석하여 보았다. 이를 위하여 공 이미 지를 통해 좌 .
본 연구에서는 이를 해결하고자 운동중주의 C3, C4영역과 사고중추의 Fpl, Fp2영역의 측정을 제안하였으며, 이 4 영역에서 측정된 EEG신호를 실험의 데이터로 활용하였다. 측정 시 GNI)는 그림 4.
본 연구에서는 피험자가 팔을 움직이는 상상을 할 때 그의 의도를 감지하기 위해 〃파(8~ 12Hz)와 乃파(13~ 29.99 Hz)의 증감을 파악하여 ERD와 ERS를 파악하였다. 잘 알려진 바와 같이 뇌는 각각 반대 영역의 신체를 담당하기 때문에 좌측 팔의 움직임을 감지하기 위해 우측 뇌 영역의 EEG를 분석하고 우측 팔의 움직임을 분석하기 위해서는 좌측 뇌의 EEG를 분석하였다.
측정하는 것이 뇌파분석을 위해 매우 중요하다. 본 연구에서는 피험자가 팔을 움직이는 상상을 할 때의 뇌파를 측정하고 이를 분석하기 위해 몸을 움직이는 상상을 극대화하고자 뇌파 유발 자극환경으로 공 이미지를 사용하였다. 뇌파측정 시 피험자가 다른 생각을 하지 않고 실험에 집중할 수 있도록 뇌파측정 시작 후 5초의 여유를 두고 이미지를 제시하여 피험자가 실험에 집중할 수 있도록 하였다.
제안 방법
Power Spectrume 각 측정 영역에서의 신호의 세기를 색상의 변화를 통해 표현해 주는 방식으로 이번 실험에서 분석을 위해 사용된 프로그램인 EEGLAB에서는 원하는 주파수 대역을 입력하면 그에 해당 주파수들의 Power Spectrum을 두뇌모델에 맵핑하여 보여준다. 따라서 색상에 따라 각 주파수별로 뇌의 어느 영역이 활성화 되었는지를 쉽게 분석할 수 있다.
이용하여 제외시켰다. 그리고 EEG 신호의 각 채널을두뇌보델의 어丄 영역에서 측정한 것인지를 맵핑하는 작업을 통해 2D 두뇌모델에서 각 주파수 대역별 어떤 변화가 발생하는 지를 분석할 수 있도록 하였다.
와 같이 귀의 옆 부분에서 측정하고, R* ET 귀의 아래 부위에서 측정하였다. 뇌파측정 시 사용한 징-비는 LAXTHA의 QEEG-8 장비를 사용하였으며, 동 회사의 프로그램인 TeleScan을 이용하여 EEG 신호를 컴퓨터로 전송받고, 이렇게 획득된 EEG신호를 TXT 파일로 변환하여, 좀 더 정확한 분석을 위해 BIOSEMI 사의 EEGLAB V6.01 을 활용하여 이를 재입력하여 뇌파를 분석해보았다[12]. 이때 Sampling Frequency는 2&5Hz로 설 성하여 측정하였다.
본 연구에서는 피험자가 팔을 움직이는 상상을 할 때의 뇌파를 측정하고 이를 분석하기 위해 몸을 움직이는 상상을 극대화하고자 뇌파 유발 자극환경으로 공 이미지를 사용하였다. 뇌파측정 시 피험자가 다른 생각을 하지 않고 실험에 집중할 수 있도록 뇌파측정 시작 후 5초의 여유를 두고 이미지를 제시하여 피험자가 실험에 집중할 수 있도록 하였다. 이미지는 모두 4장이 제시되었으며 그림 1.
실험 시제시된 뇌파 유발 자극 이미지는 17'모니터에 전체화면으로 제시되었으며, 모니터와 피험자와의 거리는 80cm 정도를 유지하였다. 또한 몸의 움직임이나 각종 잡음을 제거하기 위하여 최대한 편안한 자세로 앉아 뇌파를 측정할 수 있도록 하였다.
먼저 대뇌의 피질은 그림 2와 같이 전두엽, 두정부엽, 측두엽, 후두엽 등으로 크게 나뉘며, 전두엽은 의사결정과 관련된 역할을 담당하고, 두정부엽은 신체를 담당하며, 후두엽은 시각과 관련이 깊고, 측두엽은 청각과 관련이 있다[10丄 본 연구에서는 팔의 움직임 상상에 대한 뇌파측정을 하기 위하여 운동중추와 사고중추의 좌, 우를 각각 측정하여 사용자의 의도를 인지하는 실험을 하였다.
따라서 색상에 따라 각 주파수별로 뇌의 어느 영역이 활성화 되었는지를 쉽게 분석할 수 있다. 본 실험에서는 EEG 신호의 데이터분석을 위하여 오른쪽 팔 움직임 상상 시와 왼쪽 팔 움직임 상상 시 각각 2초 동안의 뇌파를 8, 10, 12, 20, 30Hz에서 Power Spectrum을 비교하여 보았다.
평균값으로 결과를 나타낸다. 본 실험에서는 자극 전 1 초 전에서 자극 후 2초까지의 신호를 사용하였으며 필요 없는 시간대의 신호를 제거하고 자극 제시 전과 후의 차이를 관찰하였다. 이렇게 평균값을 사용하는 것은 잡음의 영향이 통계적으로 상쇄되어 이러한 잡음의 영향을 줄일 수 있어보다 정확한 분석을 할 수 있기 때문이다.
본 연구에서는 피험자의 C3, C4, Fpl, Fp2 영역에서 LAXTHA의 TeleScan프로그램을 이용하여 EEG 신호를 측정하고, 이 데이터를 EEGLAB을 사용하여 분석하기 위해 TXT파일로 변환 후 이를 다시 EEGLAB에 입력시켜준 후 잡음이 될 수 있는 l~50Hz 이외의 뇌파는 Basic Filter 를 이용하여 제외시켰다. 그리고 EEG 신호의 각 채널을두뇌보델의 어丄 영역에서 측정한 것인지를 맵핑하는 작업을 통해 2D 두뇌모델에서 각 주파수 대역별 어떤 변화가 발생하는 지를 분석할 수 있도록 하였다.
이를 위하여 공 이미 지를 통해 좌 . 우측 팔의 움직임을 상상하는 뇌파를 유발하여 측정하였고, 이렇게 측정된 EEG신호를 Power Spectrum 분석을 통해 각 주파수별 두뇌모델에서 신호를 세기를 분석하여 보았으며, Time/Frequency 분석을 통하여 시간축 상에서 자극 제시 후의 변화를 주파수축 상에서 살펴봄으로서 분석해 보았다. :J.
과 같이 우측 상단의 공 이미지, 중앙의 공 이미지, 좌측 상단의 공 이미지, 마지막으로 중앙의 공 이미지를 각각 뇌파측정 5초, 7초, 12 초, 14초 후에 제시하였다. 이는 공이 우측 상단에 위치했을 때 피험자는 오른쪽 팔로 공을 쳐서 가운데로 보내는 상상을 하게하고 좌측 상단에 위치해 있을 때는 왼팔로 공을 쳐서 가운데로 보내는 상상을 하도록 하기 위한 이미지 이며, 공을 쳐서 가운데도 이동시키는 이미지 변화에 2초의 간격을 두어 그 시간동안의 뇌파의 변화를 분석하였다. 다음의 그림 1.
뇌파측정 시 피험자가 다른 생각을 하지 않고 실험에 집중할 수 있도록 뇌파측정 시작 후 5초의 여유를 두고 이미지를 제시하여 피험자가 실험에 집중할 수 있도록 하였다. 이미지는 모두 4장이 제시되었으며 그림 1.과 같이 우측 상단의 공 이미지, 중앙의 공 이미지, 좌측 상단의 공 이미지, 마지막으로 중앙의 공 이미지를 각각 뇌파측정 5초, 7초, 12 초, 14초 후에 제시하였다. 이는 공이 우측 상단에 위치했을 때 피험자는 오른쪽 팔로 공을 쳐서 가운데로 보내는 상상을 하게하고 좌측 상단에 위치해 있을 때는 왼팔로 공을 쳐서 가운데로 보내는 상상을 하도록 하기 위한 이미지 이며, 공을 쳐서 가운데도 이동시키는 이미지 변화에 2초의 간격을 두어 그 시간동안의 뇌파의 변화를 분석하였다.
99 Hz)의 증감을 파악하여 ERD와 ERS를 파악하였다. 잘 알려진 바와 같이 뇌는 각각 반대 영역의 신체를 담당하기 때문에 좌측 팔의 움직임을 감지하기 위해 우측 뇌 영역의 EEG를 분석하고 우측 팔의 움직임을 분석하기 위해서는 좌측 뇌의 EEG를 분석하였다.
대상 데이터
분석한 결과 그림 7, 8과 같았다. Power Spectrum 분석은 각 실험의 평균값에 의한 분석결과가 아닌 1회의 실험에 대한 분석으로 본 논문에서는 마지막 10번째 실험의 데이터를 활용하였다.
실험 중 집중력이 떨어져 다른 생각을 하게 되면 실험 결과 분석에 큰 영향을 미치기 때문에 본 실험에서는 여러 사담을 측정하는 대신 27세 남자 1인이 총 10회 실시하였으며, 실험을 위한 별도의 훈련시간을 갖지 않았다. 실험 시제시된 뇌파 유발 자극 이미지는 17'모니터에 전체화면으로 제시되었으며, 모니터와 피험자와의 거리는 80cm 정도를 유지하였다.
데이터처리
ERSP의 계산방법은 다음과 같다. 우선, 각 반복된 실험 별 해당 시간과 주파수 대역의 Power Spectrum을 구하고 각 실험 데이터의 절대 값의 제곱의 평균을 구한다. 그러면 각 이미지 점에서의 색은 해당 시간과 주파수에서의 Power를 나타낸다.
따라서 이러한 전체 EEG 신호에 대한 분석을 위해 본연구에서는 Time/frequency 분석을 하고자 Event- Related Spectral Perturbation(ERSP) 방법을 사용하였다. ERSP는 시간의 흐름에 따라 각 해당 시간의 EEG 신호에 대한 Power Spectrum을 보여주어 시간별 어느 주파수에서 어떤 변화가 발생하였는지 알 수 있게 해 준다.
성능/효과
:J. 결과 피험자가 오른팔을 움직이고자 할 경우 자극 제시 전보다 왼쪽 뇌에서 〃파는 감소하고 0파는 증가하는 것을 보았으며, 반대로 왼쪽 팔을 움직이고자 했을 경우 자극 전보다 우뇌에서 〃파가 감소하고 0파가 증가하는 것을 관찰할 수 있었다. 또 이러한 실험측정을 위하여 뇌의 어느 영역을 측정할 것인지에 대한 부분도 살펴보고 이를 통하여 다수 영역을 모두 측정하고 Features를 뽑아내는 것이 아니라 제안된 4채널 측정을 통해 피험자의 움직임 인지가 가능함을 보았다.
결과 피험자가 오른팔을 움직이고자 할 경우 자극 제시 전보다 왼쪽 뇌에서 〃파는 감소하고 0파는 증가하는 것을 보았으며, 반대로 왼쪽 팔을 움직이고자 했을 경우 자극 전보다 우뇌에서 〃파가 감소하고 0파가 증가하는 것을 관찰할 수 있었다. 또 이러한 실험측정을 위하여 뇌의 어느 영역을 측정할 것인지에 대한 부분도 살펴보고 이를 통하여 다수 영역을 모두 측정하고 Features를 뽑아내는 것이 아니라 제안된 4채널 측정을 통해 피험자의 움직임 인지가 가능함을 보았다.
고주파 영역에서는 반대로 상단의 그림(C4 영역)보다 하단의 -'I 림(C3 영역)에서 활성화 된 것을 볼 수 있다. 또한 점선의 자극 제시 전과 자극 제시 후를 비교해보면 C3영역에서 // 파는 감소하고 파는 증가하는 것을 관찰할 수 있다.
실험을 위한 별도의 훈련시간을 갖지 않았다. 실험 시제시된 뇌파 유발 자극 이미지는 17'모니터에 전체화면으로 제시되었으며, 모니터와 피험자와의 거리는 80cm 정도를 유지하였다. 또한 몸의 움직임이나 각종 잡음을 제거하기 위하여 최대한 편안한 자세로 앉아 뇌파를 측정할 수 있도록 하였다.
후속연구
많이 사용되는 뇌파측정 방법에는 그림 3솨같이 10-20 system의 19영역을 측정하기도 하며(3), 더 정밀한 측정을 위해 MCN 전극배치법에서 32영역을 측정하거나 41영역을 측정하기도 한다[6][4]. 하지만 측정 채널 수가 늘어날수록 데이터의 양과 정보처리 시간도 늘어나며, 측정이 번거롭기 때문에 가능한 채널수를 줄여나가는 연구가 필요하다.
향후 연구과제로는 보다 다양한 피험자를 대상으로 실험을 하는 것과 피험자의 다른 의도를 인식하는 뇌파에 대한 분석을 연구할 것이며, 실시간으로 EEG신호를 분석하고 분류할 수 있도록 하여 이를 적용한 시스템을 구현하여 지체장애인이나 노인과 같이 몸이 불편한 사람들의 행동을 돕는 시스템을 개발하고자 한다.
참고문헌 (13)
H. Guncs and M. Piccardi, "Bi-modal emotion recognition from expressive face and body gesture," Journal of Network and Computer Application, pp. 1-12, 2006
Paul S. Hammom and Virginia R. de Sa, "Preprocessing and Meta-Classification for Brain-Computer Interfaces," IEEE transaction on biomedical engineering, vol. 54, No.3, march 2007
N. Firat INCE, Sami ARICA, "Analysis and Visualization of ERD and ERS with Adapted Local Cosine Transform," Proceedings of the 26th Annual International Conference of the IEEE EMBS San Francisco, CA, USA.September 1-5, 2004
ZHOU Zhong-xing, MING Dong, WAN Bai-kun, CHENG Long-long, "Event-Related EEG-Changes during Attempted Standing Up Task," Proceedings of NFSI & ICFBI 2007 Hangzhou, China, October 12-14, 2007
Arao Funase, Tohru Yagi, Allan K. Barros, Andrzej Cichocki and Ichi Takumi, "Single trial method for Brain-Computer Interface," Proceedings of the 28th IEEE EMBS Annual International Conference New York City, USA, Aug 30-Sept 3, 2006
Laura Kauhanen, Pasi Jylanki, janne Lehtonen, Pekka Rantanen, Hannu Alaranta, and Mikko Sams, EEG-Based Brain-Computer Interface for Tetraplegics, Hindawi Publishing Corporation Computational Intelligence and Neuroscience Volume 2007, Article ID 23864, 11pages doi:10.1155/2007/23864
S.Salenius, M.Kajola, W.L.Thompson, S.Kossly, and R.Hari, "Reactivity of magnetic parieto-occipital aloha rhythm during visual imagery," Electroencephalogr. Clin. Neurophysiol., vol. 95, pp. 453-462, 1995
T. Gruber, M.M. Muller, A. Keil, and T. Elbert, "Selective visual-spatial attention alters induced gamma band responses in the human," EEG. Clin. Neurophysiol., vol.110, pp. 2074-2085, 1999
김종성 외, "생체신호 기반 사용자 인터페이스 기술", 전자통신동향분석, 제20권, 제4호, 2005년 8월
http://www.sccn.ucsd.edu/eeglab
Arnaud Delorme, Scott Makeig, "EEGLAB:an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis," Journal of Neuroscience Methods 134 pp. 9-21, 2004
※ AI-Helper는 부적절한 답변을 할 수 있습니다.