컴퓨터를 중심으로 한 IT 기술의 비약적인 발전과 더불어, 정보산업사회가 고도화되어 감에 따라 사용자 편리를 위한 인터페이스의 지능화, 인간화에 대한 요구가 나날이 증가하고 있다. 이러한 사용자의 요구에 따라 다양한 형태의 인간친화형 사용자 인터페이스 중, 인간의 뇌를 활용한 사용자 인터페이스 즉, BCI에 관한 연구가 최근 산발적으로 다양하게 진행되고 있다. 최근 연구 개발중인 다양한 형태의 BCI 관련 연구들은 DB구축과 관련된 원천기술 확보 측면의 연구가 배제된 체 응용기술 개발 위주로 진행되고 있는 실정이다. 이와 같은 문제점으로 인하여 BCI 관련 연구들은 연구 초기 수준을 극복하지 못하고 있으며, 체계적인 연구가 진행되어지지 않고 있는 실정이다. BCI 관련 연구의 경우 피험자로부터 수집되어지고 있는 뇌파 신호가 실험에 필요한 적절하고 의미 있는 신호인지 구분하기 힘든 실정이다. 또한, 뇌파 수집 시 실험에 불필요한 행동 즉, 심한 눈 깜박임, 침 삼키기, 얼굴 및 몸 움직임에 의한 근전도와 전극의 부착상태, 주변소음, 진동 둥 실험환경에 따른 잡파의 혼입으로 인하여 정확한 뇌파 DB수집에 어려움을 겪고 있다. 이러한 피험자의 움직임 및 실험환경에 의해 혼입된 잡파의 손상된 정보로 인해 BCI 시스템 구현 시 인식률 및 성능저하를 초래할 수 있다. 따라서 본 논문에서는 뇌파를 활용한 BCI 시스템 구현 시 보다 정확하고 높은 인식률을 위한 기반 연구로서 정확하고 효율적인 뇌파 DB구축 시스템을 제안하며, 잡파가 혼입된 뇌파 DB의 최소화를 위해 피험자의 얼굴 추적을 통하여 불필요한 행동 발생 시 DB수집의 사전 차단 및 자동 제어가 가능한 DB구축 시스템을 제안한다.
컴퓨터를 중심으로 한 IT 기술의 비약적인 발전과 더불어, 정보산업사회가 고도화되어 감에 따라 사용자 편리를 위한 인터페이스의 지능화, 인간화에 대한 요구가 나날이 증가하고 있다. 이러한 사용자의 요구에 따라 다양한 형태의 인간친화형 사용자 인터페이스 중, 인간의 뇌를 활용한 사용자 인터페이스 즉, BCI에 관한 연구가 최근 산발적으로 다양하게 진행되고 있다. 최근 연구 개발중인 다양한 형태의 BCI 관련 연구들은 DB구축과 관련된 원천기술 확보 측면의 연구가 배제된 체 응용기술 개발 위주로 진행되고 있는 실정이다. 이와 같은 문제점으로 인하여 BCI 관련 연구들은 연구 초기 수준을 극복하지 못하고 있으며, 체계적인 연구가 진행되어지지 않고 있는 실정이다. BCI 관련 연구의 경우 피험자로부터 수집되어지고 있는 뇌파 신호가 실험에 필요한 적절하고 의미 있는 신호인지 구분하기 힘든 실정이다. 또한, 뇌파 수집 시 실험에 불필요한 행동 즉, 심한 눈 깜박임, 침 삼키기, 얼굴 및 몸 움직임에 의한 근전도와 전극의 부착상태, 주변소음, 진동 둥 실험환경에 따른 잡파의 혼입으로 인하여 정확한 뇌파 DB수집에 어려움을 겪고 있다. 이러한 피험자의 움직임 및 실험환경에 의해 혼입된 잡파의 손상된 정보로 인해 BCI 시스템 구현 시 인식률 및 성능저하를 초래할 수 있다. 따라서 본 논문에서는 뇌파를 활용한 BCI 시스템 구현 시 보다 정확하고 높은 인식률을 위한 기반 연구로서 정확하고 효율적인 뇌파 DB구축 시스템을 제안하며, 잡파가 혼입된 뇌파 DB의 최소화를 위해 피험자의 얼굴 추적을 통하여 불필요한 행동 발생 시 DB수집의 사전 차단 및 자동 제어가 가능한 DB구축 시스템을 제안한다.
Leading of the computer, IT technology has make great strides. As a information-industry-community was highly developed, user's needs to convenience about intelligence and humanization of interface is being increase today. Nowadays, researches with are related to BCI are progress put the application...
Leading of the computer, IT technology has make great strides. As a information-industry-community was highly developed, user's needs to convenience about intelligence and humanization of interface is being increase today. Nowadays, researches with are related to BCI are progress put the application-technology development first in importance eliminating research about fountainhead technology with DB construction. These problems are due to a BCI-related research studies have not overcome the initial level, and not toward a systematic study. Brain wave are collected from subjects is a signal that the signal is appropriate and necessary in the experiment is difficult to distinguish. In addition, brain wave that it's not necessary to collect the experiment, serious eyes flicker, facial and body movements of an EMG and electrodes attached to the state, noise, vibration, etc. It is hard to collect accurate brain wave was caused by mixing disturbance wave in experiment on the environment. This movement, and the experiment of subject impact on the environment due to the mixing disturbance wave can cause that lowering cognitive and decline of efficiency when embodied BCI system. Therefore, in this paper, we propose an accurate and efficient brain-wave DB building system that more exactness and cognitive basis studies when embodied BCI system with brain-wave. For the minimize about brain wave DB with mixing disturbance, we propose a DB building method using an automatic control and prevent unnecessary action, put to use the subjects face tracking.
Leading of the computer, IT technology has make great strides. As a information-industry-community was highly developed, user's needs to convenience about intelligence and humanization of interface is being increase today. Nowadays, researches with are related to BCI are progress put the application-technology development first in importance eliminating research about fountainhead technology with DB construction. These problems are due to a BCI-related research studies have not overcome the initial level, and not toward a systematic study. Brain wave are collected from subjects is a signal that the signal is appropriate and necessary in the experiment is difficult to distinguish. In addition, brain wave that it's not necessary to collect the experiment, serious eyes flicker, facial and body movements of an EMG and electrodes attached to the state, noise, vibration, etc. It is hard to collect accurate brain wave was caused by mixing disturbance wave in experiment on the environment. This movement, and the experiment of subject impact on the environment due to the mixing disturbance wave can cause that lowering cognitive and decline of efficiency when embodied BCI system. Therefore, in this paper, we propose an accurate and efficient brain-wave DB building system that more exactness and cognitive basis studies when embodied BCI system with brain-wave. For the minimize about brain wave DB with mixing disturbance, we propose a DB building method using an automatic control and prevent unnecessary action, put to use the subjects face tracking.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 뇌파를 활용한 BCI 시스템 구현 시 보다 정확하고 높은 인식률을 위한 기반 연구로서 뇌파 수집 시 영상 입력 장치를 활용하여 피험자의 실험 상태를 관찰함으로써 실험자의 수동적인 피험자 실험상태 확인으로 인한 수집 지연을 감소시키고 측정의 효율성을 높였다’ 또한 보다 안정적이며 잡파가혼입된 뇌파 DB의 최소화를 위해 피험자의 얼굴 추적을 통하여 실험에 불필요한 피험자의 무의식적인 행동 발생 시 DB 수집 의사 전 차단 및 자동 제어가 가능한 뇌파 DB 구축 시스템을 제안한다. 본 논문의 구성은 다음과 같다.
따라서 본 논문에서는 피험자의 불필요한 행동에 따른 잡파의혼입을 사전 차단하기 위하여 영상 입력 장치를 활용하여 얼굴추적을 함으로써 피험자의 얼굴 움직임에 따른 잡파의 혼입을 사전 차단하는 뇌파 DB구죽 시스템을 제안하였다.
측면의 연구가 전무한 실정이다. 따라서 본 장에서는 기존 BCI관련 연구를 뇌파DB구축 시 뇌파 측정 횐경 즉, 뇌파 수집 시 피험자와 실험자의 실험환경에 대해 분석하고 이에 대한 문제점을 제시함으로써 BCI관련 연구에서 초기 뇌파 수집 시 피험자 및 실험자 실험 환경의 중요성을 확인한다.
본 논문에서는 기존 BCI 관련 연구의 문제점인 실험자의 수동적이며 주관적인 피험자 실험상태 확인에 따른 뇌파 수집 지연 및 측정의 비효율성을 해결하기 위해 영상 입력 장치를 활용하여지속적으로 피험자의 실험 상태를 확인할 수 있도록 하였으며, 또한 피험자의 심한 눈 깜박임, 안구운동, 침 삼키기, 얼굴 및 몸 움직임 등에 따른 근전도(EMG)와 전극의 부착상태, 불량전극, 전극유도선의 흔들림, 진동 등 실험환경에 의해 혼입된 잡파의영향으로 인한 BCI 시스템의 인식률 및 성능저하의 최소화를 위하여 얼굴추적을 활용함으로써 피험자의 얼굴 및 몸 움직임에 따른 잡파 혼입의 사전 차단 및 제어가 이루어지도록 하였다.
본 논문에서는 영상 입력 장치를 이용하여 얼굴추적을 활용한 뇌파 DB구축 시스템을 제안한다. 제안된 시스템은 선행 연구로구현되어진 DB구축 시스템[11]을 기반으로 피험자에게 지침을 전달하게 되며 수집된 뇌파의 파형과 스펙트로그램을 출력 하게 된다.
본 연구는 EEG 신호를 이용하여 상, 하, 좌, 우 4방향으로 커서 이동 방향을 제어할 수 있는 time-multiplexing?] 법을 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.
본 연구는 기존의 인지적인 정신상태 판별을 위한 방법들이나 왼손/오른손 동작구분 방법들과 결합하여 사용할 경우 BCI를 위한 기반 기술로 활용하기위한 연구이다.[7]
본 연구는 인간의 인지과정에서 일어나는 정신작용을 뇌파를 이용하여 해석한다. 피험자는 실험 task에서 화면에 제시되는 시각적 자극에 대한 반응, 문제의 해석, 손동작 제어와 키 선택을 수행한다.
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.
제안 방법
인지상태 뇌파측정을 위한 실험과제는 3가지로 실시했고 인지상태와 비교를 위해서 휴식상태 뇌파를 측정하여 실험했다. 또한 BPFCBand Pass FilteD를 통해서 ", 파 형태로 신호를 분석하여 정신상태 판별에 이용했다.⑹
time-multiplexing?] 법을 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.
저장되었다. 뇌파 측정 위치는 그림 9에 도시되어진 바와 같이 10-20국제전극배치법에 의해 F3, F4, T3, T4의 위치에 측정 전극을 부착하였으며, 기준전극은 왼쪽 귀밑, 접지전극은 오른쪽 귀밑에 부착하였다.
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. 분리한 신호의 특징정보를 이용하여 bio-feedback을 통한 컴퓨터와 피험자의 상호훈련을 수행하는 하이브리드 인식기를 구현하였다.
청각+시각의 지침은 청각 지침과 시각 지침을 합한 즉, 숫자를 화면에 표시함과 동시에 음성으로 들려주게 된다. 마지막으로 눈 움직임에 대한 지침은 화면에 화살표를 표시함으로써 피험자가 화살표 방향에 맞추어 눈을 움직일 수 있도록 하였다. 실험에 참여한 피험자 50명에 대하여 피험자별 각 5회씩 실험을 반복하였다.
본 논문에서 구현되어진 시스템은 수집되어지는 뇌파 데이터의 파형 및 스펙트로그램의 변화가 일정 수준 이상을 벗어날 경우 피험자의 얼굴 위치 변화를 확인하게 되며 피험자의 얼굴 위치 변화가 얼굴 영역 위치 변화 최대값 이상일 경우 얼굴 움직임에 따른 잡파의 혼입으로 판단하여 뇌파 수집을 중지 하게 된다. 그림 11은 뇌파 수집 시 실험에 불필요한 피험자의 얼굴 움직임으로 인하여 뇌파 수집이 중지되는 것을 나타낸다.
본 논문에서 구현되어진 얼굴 추적을 활용한 뇌파 DB구축 시스템은 수집되어지는 뇌파 데이터에 대하여 파형과 스펙트로 그램의 형태로 출력하게 되며 출력되어진 파형과 스펙트로그램의 변호}가 문턱치(w_MAX)를 넘어설 경우 얼굴 영역의 위치 변회를 확인하게 된다. 얼굴 영역의 위치 변화는 이전 얼굴 영역 위치값 (m_pX, m_pY)과 이후 얼굴 영역 위치값(m_nX, nuiY)의 차이가 되며 식 (2)과 같이 표현된다.
본 논문에서 구현한 시스템은 전산화 뇌파측정기인 QEEG—4(모델명:LXE3204, LAXTHA Inc)장비를 이용하여 뇌파를 측정하였으며, 피험자의 실험 상태 확인 및 얼굴 추적을 위한 영상입력 장치로는 웹캠을 활용하였다.
본 논문에서 구현한 얼굴 추적을 활용한 뇌파 DB구축 시스템은 Workstation (CPU:콘로 E6600, Memory:4GB)과 실험상태 확인 및 피험자 얼굴 추적을 위한 영상 입력 장치로 Logitech QuickCam Ultra Vision 을 사용하였으며, 4채널 전산화 뇌파측정기인 QEEG-4(LXE3204, LAXTHA Inc.)를이용하여 뇌파 수집을 하였다.
본 논문에서 수행한 실험은 피험자에게 청각, 시각, 청각+시각, 눈의 움직임 구간으로 구성되어진 지침을 내려줌으로써 피험자가 오감정보를 활용하여 보다 정확한 상상을 할 수 있도록 하였다. 청각 지침은 1부터 4까지의 숫자를 음성으로 들려주게 되며 시각 지침은 1부터 4까지의 숫자를 화면에 표시하게 된다.
본 논문에서는 수동적인 실험자의 피험자 상태 확인에 따른 뇌파 수집 지연 및 측정의 비효율성과 같은 문제점을 해결하고보다 정확한 뇌파 데이터의 수집을 위한 방안으로 뇌파 수집 시영 상 입력 장치를 활용하여 피험자의 실험 상태를 확인하였으며 또한 얼굴 추적을 통하여 피험자의 움직임에 따른 잡파의 혼입을 사전 차단하였다. 얼굴 추적에 따른 구간별 평균 불 합격률 최대 46%로 나타났으며, 합격 및 불합격된 뇌파의 잡파 혼입률에 따른 시스템 판정 성공률은 평균 97%이상으로 나타났다.
본 연구에서 피험자의 뇌파는 총 6개의 전극(Fpl, Fp2, C3, C4, 01, 02)을 통하여 측정한다. 피험자의 정신적 사고와 관련된 뇌파를 관측하므로 전두엽 부분에 전극을 배치하여 부착한다.
본 연구의 실험은 피험자에 따라 mental task에 따른 뇌파의 측정을 위해 Fpl, Fp2, C3, C4나 Fpl, Fp2, Cz, T4 의 위치에 4개의 전극쌍을 사용하였으며 실험 공간은 암실이나 특수한 방음 처리가 된 제약된 환경에서 실험을 하지 않고 그림 1과 같이 피험자와 실험을 모니터링 하는 사람 사이에 간단한 칸막이 정도만을 설치하여 일반 연구실 환경에서 수행하였다.
분리한 신호의 특징정보를 이용하여 bio-feedback을 통한 컴퓨터와 피험자의 상호훈련을 수행하는 하이브리드 인식기를 구현하였다. 본연구에서 구현한 인식기를 사용하여 뇌파를 실시간 측정 시 피험자의 상황에 의해 발생할 수 있는 데이터의 변이에 의한 오차를 줄이기 위해 인식 문턱치를 측정시마다 보정하였고 bio-feedback을 이용하여 퍼험자의 훈련도 수행하였다.(4)
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. 분리한 신호의 특징정보를 이용하여 bio-feedback을 통한 컴퓨터와 피험자의 상호훈련을 수행하는 하이브리드 인식기를 구현하였다. 본연구에서 구현한 인식기를 사용하여 뇌파를 실시간 측정 시 피험자의 상황에 의해 발생할 수 있는 데이터의 변이에 의한 오차를 줄이기 위해 인식 문턱치를 측정시마다 보정하였고 bio-feedback을 이용하여 퍼험자의 훈련도 수행하였다.
마지막으로 눈 움직임에 대한 지침은 화면에 화살표를 표시함으로써 피험자가 화살표 방향에 맞추어 눈을 움직일 수 있도록 하였다. 실험에 참여한 피험자 50명에 대하여 피험자별 각 5회씩 실험을 반복하였다.
실험은 피험자가 자신의 생각을 쉽게 집중할 수 있도록 오감연상기법을 활용하여 상세한 지침을 내려주게 된다. 지침은 숫자 1, 2, 3, 4에 대하여 청각, 시각, 청각+시각의 순서로 제시되어지며 마지막으로 화살표를 표시하여 눈의 움직임을 유도하는 구간으로 구성되어진다.
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(selection time), RP(repeated period) 등을 정의하여 모델링하고, 선택시간 ST를 감지하여 피험자의 반응시간 RT를 예측한다.
본 연구에서는 과거에 뇌에 이상이 없는 건강한 피험자를 대상으로 실험하였다. 인지상태 뇌파측정을 위한 실험과제는 3가지로 실시했고 인지상태와 비교를 위해서 휴식상태 뇌파를 측정하여 실험했다. 또한 BPFCBand Pass FilteD를 통해서 ", 파 형태로 신호를 분석하여 정신상태 판별에 이용했다.
전극은 국제 표준 규격인 10-20 국제 전극 배치법에 맞추어 Fpl, Fp2, F3, F4, Fz, C3, C4, Cz의 위치에 부착하였다. 두피에 부착한 전극을 통하여 전달되는 뇌파 전위는 128Hz로 샘플링 되어 실험자의 컴퓨터 화면에 나타나고, 동시에 기억장치에 저장된다.
DB구축 시스템을 제안한다. 제안된 시스템은 선행 연구로구현되어진 DB구축 시스템[11]을 기반으로 피험자에게 지침을 전달하게 되며 수집된 뇌파의 파형과 스펙트로그램을 출력 하게 된다. 또한 영상 입력 장치를 활용하여 피험자의 실험 상태를 화면에 나타내어 실험자가 지속적으로 관찰할 수 있으며 실험에 참여하고 있는 피험자의 얼굴 영역을 검출, 추적하여 검출 되 어진 피험자의 얼굴 영역의 위치를 화면의 우측에 X축과 y축으로 수치화 하여 나타낸다.
이용하여 해석한다. 피험자는 실험 task에서 화면에 제시되는 시각적 자극에 대한 반응, 문제의 해석, 손동작 제어와 키 선택을 수행한다. 인지적 정신상태 일 때에 뇌파의 상태를 주파수 영역으로 해석한다.
대상 데이터
본 논문에서 수행되어진 뇌파측정 실험은 카메라가 고정되어있고 조명의 변화 및 소음의 크기가 크지 않은 일반 실험실 환경에서 진행되었으며 실험에 참가한 피험자는 뇌질환 관련 병력이 없으며 신체적, 인지적으로 건강한 20세에서 26세 나이의 정상인 50명으로 구성하였다.
인지적 정신상태 일 때에 뇌파의 상태를 주파수 영역으로 해석한다. 본 연구에서는 과거에 뇌에 이상이 없는 건강한 피험자를 대상으로 실험하였다. 인지상태 뇌파측정을 위한 실험과제는 3가지로 실시했고 인지상태와 비교를 위해서 휴식상태 뇌파를 측정하여 실험했다.
사용된 전극은 금으로 도포된 접시형태의 디스크전극이며, 피부와의 접촉저항을 최소화하기위해 먼저 알코올 솜을 이용하여 머리 표면의 이물질을 닦아낸 후 접시전극에 뇌파전용 전극 풀을 묻혀 부착하였다. 또한 부착된 접시전극위에 거즈를 살짝 덮어줌으로써 전극풀이 빨리 굳지 않고 머리표면에 잘 고정되도록 처치하였다.
피험자의 뇌파는 총 8개의 전극을 통하여 측정한다. 전극은 국제 표준 규격인 10-20 국제 전극 배치법에 맞추어 Fpl, Fp2, F3, F4, Fz, C3, C4, Cz의 위치에 부착하였다.
이론/모형
본 논문에서는 Haar-like feature와 AdaBoost 학습 알고리즘을 이용하여 검출하는 방식을 사용한다. Haar-like feature와 AdaBoost 학습 알고리즘은 전형적인 얼굴 검출알고리즘 중의 하나이다.
성능/효과
분류하는 기법이다. 또한 에러 율은 약한 분류기의 수가 증가할수록 영점에 지수 적으로 근접함이 증명되었다.[9]
얼굴 추적에 따른 구간별 평균 불 합격률 최대 46%로 나타났으며, 합격 및 불합격된 뇌파의 잡파 혼입률에 따른 시스템 판정 성공률은 평균 97%이상으로 나타났다. 본 논문에서 구현한 뇌파 DB구축 시스템을 활용하여 피험자의 움직임에 따른 잡파의 혼입을 효율적으로 차단함으로써 보다 정확한 뇌파 데이터를 수집할 수 있었다.
본 논문에서 구현한 뇌파 DB구축 시스템의 판정 성공률은 평균 97%이상으로 나타났으며, 뇌파 수집 시 실험자의 수동적인 실험 상태 확인이 아닌 영상 입력 장치를 통한 실험 상태 확인과 얼굴 추적을 통한 피험자 얼굴 움직임에 따른 잡파 혼입의 효율적인 사전 차단으로 보다 정확한 뇌파 데이터를 수집할 수 있었다.
본 연구는 암실이나 특수한 방음처리가 된 제약된 환경이 아닌 일반 연구실 환경에서 수행되었으며 피험자와 실험을 모니터링 하는 실험자 사이에 간단한 칸막이 정도만을 설치하여 실험자가 피험자를 지속적으로 모니터링 할 수 있게 하였다. 피험자의 EMG 및 EOG 신호를 최소화하기 위하여 실험자는 지속적으로 피험자를 관찰하며 이와 더불어 피험자 화면을 제어하게 된다.
차단하였다. 얼굴 추적에 따른 구간별 평균 불 합격률 최대 46%로 나타났으며, 합격 및 불합격된 뇌파의 잡파 혼입률에 따른 시스템 판정 성공률은 평균 97%이상으로 나타났다. 본 논문에서 구현한 뇌파 DB구축 시스템을 활용하여 피험자의 움직임에 따른 잡파의 혼입을 효율적으로 차단함으로써 보다 정확한 뇌파 데이터를 수집할 수 있었다.
표 2에서 보여지는바와 같이 뇌파 수집 시 얼굴 추적을 활용하여 피험자의 불필요한 움직임에 대한 잡파의 혼입을 사전 차단하여 실험을 중단하였을 경우 각 구간별 평균 불 합격률 최대 46%로 나타났으며, 시스템의 판정에 따라 합격과 불합격된 뇌파 데이터로 분류하고 각 뇌파 데이터 즉, 합격과 불합격된 뇌파 데이터에 대한 잡파 혼입률에 따라 시스템의 판정 성공률을 도출하였다. 그림 12에 시스템의 판정 성공률을 나타내었다.
피험자의 EMG 및 EOG 신호에 따른 잡파의 혼입을 방지하기 위하여 실험자가 지속적으로 관찰했음에도 불구하고 잡파의 혼입이 발생 하였으며 이에 따라 ICA 기법[51을활용하여 잡파를 분리하고자 하였으나 그림 2의 (B)에 도시된 바와 같이 순수뇌파 이외에 심박동, 호흡, 미세한 근육의 움직임, 장비자체의 신호 간섭 등의 잡음 영향으로, 시간영역에서 저주파이며, 고조파 신호의 특성을 나타내는 순수 뇌파의 분리가 완벽하게 이루어지지 않음을 알 수 있다.
후속연구
그러나 뇌파는 특성상 신호가 미약하며 예측이 어려운 시계열 데이터로써 시간적 의존성이 존재하고 시간에 따라 통계적 특성이 변할 수 있는 비 정칙성(nonstationary) 신호이므로 분석이 어렵다. 또한 측정된 뇌파는 각 채널별로 서로 완전히 독립적인 것이 아니라 상호작용을 일으키기 때문에 상호작용을 하는 유효 채널과 상호 작용의 정도까지 알고 있어야 정확한 분석이 가능하다. 즉, 시계열 데이터인 뇌파의 특성에 적합한 특징추출을 위해 시계열 데이터에 적용할 수 있는 분석 법인 자기 회귀계수(autoregressive coefficient), 파워 스펙트럼(power spectrum), 독립성분분석 (independent component analysis) 등의 다양한 알고리즘과 은닉 마르코프 모델(hidden Markov mafel), 선형 동적 시스템(linear dynamical system), 다층 신경 회로망 (multilayer po-ceptron) 등의 패턴 인식기의 조합을 통한 연구가 진행 중에 있다.
앞서 언급한 바와 같이 피험자의 실험 상태에 따라 뇌파 수집 시 근전도(EMG) 및 안전도(EOG)에 따른 잡파가 혼입되어질 수 있으며 잡파가 혼입된 뇌파 신호를 이용하여 BCI 시스템에 활용하게 된다면 시스템의 근본적인 인식률 저하 및 성능저하를 야기한다. 이러한 근본적인 문제점을 해결하기 위해서는 뇌파 수집 당시부터 피험자의 실험에 불필요한 행동으로 인한 잡파의 혼입을 막기 위한 실험자의 지속적인 실험 상태 확인 등이 요구 된다.
즉, 시계열 데이터인 뇌파의 특성에 적합한 특징추출을 위해 시계열 데이터에 적용할 수 있는 분석 법인 자기 회귀계수(autoregressive coefficient), 파워 스펙트럼(power spectrum), 독립성분분석 (independent component analysis) 등의 다양한 알고리즘과 은닉 마르코프 모델(hidden Markov mafel), 선형 동적 시스템(linear dynamical system), 다층 신경 회로망 (multilayer po-ceptron) 등의 패턴 인식기의 조합을 통한 연구가 진행 중에 있다. 하지만 효과적인 뇌파 패턴 분석을 하기 위해서는 특징추출 알고리즘과 패턴인식기의 성능을 높이기에 앞서 정확하고 효율적인 DB 구축부터 시작한 체계적인 연구가 진행되어야 할 것이다.(1)(2)(3)
향후 다양한 기법을 활용하여 눈 깜박임, 침 삼키기 및 표정 변화에 따른 잡파 혼입의 사전 차단 및 자동 제어 기법을 뇌파 DB구축 시스템에 적용한다면 뇌파 수집 시 보다 안정화되고 신뢰성 있는 뇌파 데이터를 얻을 수 있을 것으로 기대된다.
참고문헌 (11)
류창수, 송윤선, 이창용, 문성실, 배병훈, 조훈영, 최정미, “뇌파를 이용한 지능적 휴먼 시스템 인터페이스 기술에 관한 연구”, 정보통신부, 1999. 2.
명현, 김풍민, 이동우, 신동선, 이명철, 배희연, 권혁준, “뇌파 기반의 차세대 휴먼 인터페이스 개발에 관한 연구", 정보통신부, 2003. 5.
최종원, “뇌-컴퓨터 인터페이스(BCI)기술 동향”, 한국특허정보원, 2003. 12.
배일한, 반상우, 이민호, “바이오 피드백을 이용한 뇌-컴퓨터 인터페이스 시스템”, 정보과학회지, 제22권 제2호, pp. 45-51, 2004. 2.
신승철, 류창수, 송윤선, 남승훈, “뇌-컴퓨터-인터페이스를 위한 EEG 기반의 피험자 반응시간 감지”, 정보과학회논문지, 제29권 제11호, pp. 837-850, 2002. 12.
박성훈, 이재호, 김희율, “Haar-like feature/LDA를 이용한 얼굴 인식”, 2004년 제 16회 영상처리 및 이해에 관한 워크샵 발표 논문집, 2004. 1.
Rainer Lienhart and Jochen Mayd, "An Extended Set of Haar-like Features for Rapid Object Detection", IEEE ICIP 2002, Vol. 1, pp. 900-903, 2002.
P. viola, M. Jones, "Raid object detection using a boosted cascade of simple features", IEEE Conference on Computer Vision and Pattern Recognition, 2001.
신정훈, 진상현, “오감자극을 활용한 효율적인 뇌파 DB구축 시스템", 한국 신호처리 시스템학회 논문지, 제 8권 제 4호, pp. 227-236, 2007. 10.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.