선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- Linear Discriminant Analysis (LDA)로 분류(Classification)를 수행한 후, 10 ×10-fold cross validation을 통하여 분류 정확도(Accuracy)를 산출하였다. LDA 분류 기법을 사용한 이유는 LDA의 결과가 또 다른 분류 기법으로서 적용해본 Support Vector Machine (SVM)으로 분석한 결과와 거의 차이를 보이지 않았으며, 비교적 구현이 쉽고 빠른 처리 속도 때문에 추후 연구에서 실시간 분류에 적용하고자 할 때 적합하기 때문이다.
- 그러나 한층 정확한 분류를 위하여 뇌 영역 전체의 혈액을 관찰한 상용 장비는 부피가 크고 고가이므로, 일상생활 중에 쉽게 사용할 수는 없다. 따라서 본 연구에서는 이마에서만 데이터를 취득하여 착용형으로 활용할 수 있는 작고 가벼운 fNIRS 장비를 개발하였다.
- 실험 전 피실험자들에게 실험 목적과 과정을 전달하였으며 임상 시험 사전 동의서를 통해 자발적인 의사에 따라 실험에 참여할 수 있도록 하였다. 또한 실험 중 어떠한 신체적, 정신적 문제가 발생할 시 바로 연구자에게 보고하도록 교육 받았다.
제안 방법
- Linear Discriminant Analysis (LDA)로 분류(Classification)를 수행한 후, 10 ×10-fold cross validation을 통하여 분류 정확도(Accuracy)를 산출하였다.
- 먼저, 참여자가 실험에 대한 준비를 하고, 실험자의 데이터에서 Post-processing에 의한 Transient response를 제거할 수 있도록 20초의 준비 구간(Preparation)을 설정하였다. 그 다음으로, Mental Task에 의한 전두엽의 활성화와 대비될 수 있도록, 30초간 속으로 숫자를 하나씩 증가시키는 Mental Counting을 수행한 후 30초간 다음 문단에 서술된 Mental Task를 수행하는 Trial을 구성하고, 5 Trial을 하나의 Session으로 실험하였다. 한 가지 Task 대하여 총 3 Session을 수행하였다.
- 따라서 사용자 두상에 맞춘 개별 센서를 제작함으로써 개선할 수 있을 것이다. 그러나 동일한 시스템으로 측정하여 모든 참여자의 특성을 확인하기 위한 연구 목표에 부합하도록, 공통적으로 유효한 채널만을 분석하였다. 또한, 구조 때문에 빛이 검출 전압 기준 0.
- 정상적인 센서의 결속 상태를 확인하기 위하여, 생리학적인 반응을 활용하였다. 동일 fNIRS 시스템을 이용한 예비 연구에서 참여자가 숨 참기를 하면 이마 전체 영역에서 일련의 헤모글로빈 변화가 관찰되었으므로, 이 반응이 각 채널에서 올바르게 관찰되는지를 확인함으로써 센서 결속 상태의 점검을 선행하였다. 최대한 오래 숨 참기(Maximal Breath-hold) 구간 전후에 1분씩 정상 호흡하는 Trial을 2회 수행하였다.
- 첫째, Mental Subtraction (MS)은 임의로 떠올린 세 자리 숫자로부터 17씩을 연속적으로 빼는 암산을 수행하였다. 둘째, Mental Rotation (MR)은 가상의 3차원 정8면체를 상상하게 하고, 최대한 빠르게 회전시키도록 하였다. 참여자 들은 모두 사전에 해당 Mental Rotation의 경험이 없었다.
- 먼저, 참여자가 실험에 대한 준비를 하고, 실험자의 데이터에서 Post-processing에 의한 Transient response를 제거할 수 있도록 20초의 준비 구간(Preparation)을 설정하였다. 그 다음으로, Mental Task에 의한 전두엽의 활성화와 대비될 수 있도록, 30초간 속으로 숫자를 하나씩 증가시키는 Mental Counting을 수행한 후 30초간 다음 문단에 서술된 Mental Task를 수행하는 Trial을 구성하고, 5 Trial을 하나의 Session으로 실험하였다.
- 본 연구를 위해 제작한 fNIRS 시스템(그림 1a)은 Micro-controller (ATMEGA128, ATMEL, USA)가 LED driver를 조작하여 LED 광원(MTMD7885T38, Marktech Optoelectronics, USA)에서 두 파장(770 nm, 850 nm) 의 빛을 방사하고, 조직과 혈액에 의해 감쇄되어 돌아온 빛을 광 검출기(Photo-detector, DET)로부터 8-채널 ADC (ADS1298, Texas Instruments, USA)가 10 Hz로 표본화하게 한 다음, 블루투스(ESD200, Sena, USA) 무선 전송하도록 구현 하였다.
- 실험 후 취득한 데이터는 Butterworth 3차 대역 통과 필터(0.01~0.5 Hz)를 적용하는 Post-processing 이후 Transient response를 포함한 Preparation 구간을 제외하고 분석하였다. Mental Task로 인한 뇌 활성화는 산화 헤모글로빈(HbO)을 증대시키므로, 이 HbO변량의 30초 구간 별 평균을 Feature로 사용하였다[5].
- 실험을 통해 변화한 산화 헤모글로빈의 구간 내 평균을 Feature로 광원(LED)과 광검출기(DET)간에 형성된 각 채널 정보를 이용하였을 때 LDA 분류의 정확도를 백분율로 소수점 첫째 자리까지 표에 기재하였다. 그리고 각 LED의 빛이 유효했던 모든 DET (Valid DETs)에 의한 분석 결과를 표의 최 하단 행에 기재하였다.
- 앞선 정상 호흡 상태에서의 헤모글로빈 기저선(Baseline) 기준 대비 변화 정도를 누적하여 양으로 1까지, 음으로 −1까지 표기하였다.
- 이 장비를 이마 전전두엽(prefrontal cortex) 영역에 착용하고 일상 중에 활용할 수 있는 암산과 가상 물체의 회전을 상상하는 두 가지 Mental Task의 클래스를 구분하였다.
- 이 현상의 원인은 Analog-todigital chip의 손상이었다. 이와 같은 문제점을 해당 장치의 교체로 보완 및 신호 확인 후, 다음의 Mental Task들을 진행하였다.
- 본 Mental Task 실험에 앞서서, 어떤 뇌 영역이 활성화 되었는지를 살펴보는 연구 목표를 위해서 최대한 넓은 영역에서 정상 신호가 수신되도록 할 필요성이 있었다. 정상적인 센서의 결속 상태를 확인하기 위하여, 생리학적인 반응을 활용하였다. 동일 fNIRS 시스템을 이용한 예비 연구에서 참여자가 숨 참기를 하면 이마 전체 영역에서 일련의 헤모글로빈 변화가 관찰되었으므로, 이 반응이 각 채널에서 올바르게 관찰되는지를 확인함으로써 센서 결속 상태의 점검을 선행하였다.
- 첫째, Mental Subtraction (MS)은 임의로 떠올린 세 자리 숫자로부터 17씩을 연속적으로 빼는 암산을 수행하였다. 둘째, Mental Rotation (MR)은 가상의 3차원 정8면체를 상상하게 하고, 최대한 빠르게 회전시키도록 하였다.
- 동일 fNIRS 시스템을 이용한 예비 연구에서 참여자가 숨 참기를 하면 이마 전체 영역에서 일련의 헤모글로빈 변화가 관찰되었으므로, 이 반응이 각 채널에서 올바르게 관찰되는지를 확인함으로써 센서 결속 상태의 점검을 선행하였다. 최대한 오래 숨 참기(Maximal Breath-hold) 구간 전후에 1분씩 정상 호흡하는 Trial을 2회 수행하였다. 앞선 정상 호흡 상태에서의 헤모글로빈 기저선(Baseline) 기준 대비 변화 정도를 누적하여 양으로 1까지, 음으로 −1까지 표기하였다.
- 특히, 활성화 영역에 따른 분류 정확도 차이를 확인할 수 있도록, 영역별로 유효한 산화 헤모글로빈의 변화 데이터를 취득하고 분석하였다.
대상 데이터
- 사전 점검을 마친 후, 본 실험 과정의 Session 구성은 그림 3과 같다. 5명의 피실험자(여성: 1명, 평균 나이: 28.6세)는 뇌혈관 및 심혈관 손상 기록이 없이 건강하였다. 실험 전 피실험자들에게 실험 목적과 과정을 전달하였으며 임상 시험 사전 동의서를 통해 자발적인 의사에 따라 실험에 참여할 수 있도록 하였다.
- 그림 1b는 광원과 센서를 참여자 이마의 우측 눈썹 위에 LED1, 좌측 눈썹 위에 LED3이 위치하도록 광원과 광검출기를 배치한 것을 겉으로 드러나 보이게 촬영한 사진이다. 각 LED와 광검출기의 거리는 각각 2.5 cm, 4.5 cm, 7 cm 이다.
- 5 cm거리의 DET에서의 정보가 유효하였으며, Mental Subtraction에서는 평균 ∆HbO 정보 중에서 LED3과 DET6이 형성한 채널에서 관찰된 것이 참여자1의 Rest와 Task 상태를 구분하는 데 가장 높은 정확도를 보였다. 그 다음으로 높은 정확도도 역시 참여자1 두뇌의 좌측인 LED3와 DET5의 데이터를 이용하여 도출할 수 있었다.
이론/모형
- 단말기에서 수신한 두 파장의 빛 정보를 Modified Beer-Lambert 법칙에 따라 분석하여 감쇄 요인인 헤모글로빈 상태를 추정할 수 있다[3]. 이 시스템은 착용시 안전을 고려하여 발화 가능성이 적은 Li-Poly 7.
성능/효과
- 각 LED로부터 도출한 백분율로 표기한 분류 정확도의 표준 편차가 Mental Subtraction에서는 9.6%, Mental Rotation에서는 2.7%로 3.6배의 확연한 차이를 보였다. 이러한 경향성은 참여자 모두에게서 표 5와 같이 관찰되었다.
- fNIRS처럼 뇌 혈액을 관찰할 수 있는 fMRI 장비로 MS중인 뇌를 측정한 Rueckert(1996), Rickard(2000)의 연구가 있다. 그 결과, 좌우반구에서 모두 혈액 변화된 voxel이 감지할 수 있었지만, 특히 좌반구에서 활성화된 voxel을 우반구에 비해 두 배 많이 감지할 수 있었다[1,7]. 본 연구의 결과도 마찬가지로 MS를 수행할 때(표 3), 혈액의 ∆HbO 의 변화가 우반구에서도 68.
- Mental Subtraction을 수행한 참여자1의 결과가 표 1과 같다. 대부분 해당 LED와 가까운 2.5 cm거리의 DET에서의 정보가 유효하였으며, Mental Subtraction에서는 평균 ∆HbO 정보 중에서 LED3과 DET6이 형성한 채널에서 관찰된 것이 참여자1의 Rest와 Task 상태를 구분하는 데 가장 높은 정확도를 보였다. 그 다음으로 높은 정확도도 역시 참여자1 두뇌의 좌측인 LED3와 DET5의 데이터를 이용하여 도출할 수 있었다.
- 그 결과, 좌우반구에서 모두 혈액 변화된 voxel이 감지할 수 있었지만, 특히 좌반구에서 활성화된 voxel을 우반구에 비해 두 배 많이 감지할 수 있었다[1,7]. 본 연구의 결과도 마찬가지로 MS를 수행할 때(표 3), 혈액의 ∆HbO 의 변화가 우반구에서도 68.5%의 정확도로 감지되었지만, 분류 정확도가 평균 77.4%로 가장 높았던 것은 좌반구 영역이다. 이것은 모든 참여자에서 MS를 수행하기 위해 전전두엽의 영역 전체가 Control 상태에 비해 활성화되는 경향이 있지만, 좌측부가 대체적으로 활발히 산소를 소모하였고, 소모된 만큼 보충하고자 ∆HbO의 증가가 확연했던 것이다.
- 이 Battery를 포함한 총 시스템의 규격(중량)은 4 cm × 16 cm × 2 cm (140 g)으로서, NIRx Medical Technologies 사에서 운반 가능하도록(Portable) 출시한 상용 장비 NIRSport가 10.5 cm × 17 cm × 4 cm (350 g)인 것에 비하여, 작고 가볍게 구현할 수 있었다.
- 이 연구에서는, 동일 참여자에게서 서로 다른 Mental Task를 수행함으로써, 더 높은 분류 정확도를 갖는, 적합한 뇌-컴퓨터 인터페이스(BCI) 방법을 도출할 수 있었다. 참여자1, 2, 3, 5의 경우 MS가 MR에 비해 각 7%, 9.
- 이 중 좌우 영역만 확인해보면, 표 6와 같이 평균 4%의 Task간 차이를 보이며, 9배 비율로 비대칭성을 보였다.
- 이 연구에서는, 동일 참여자에게서 서로 다른 Mental Task를 수행함으로써, 더 높은 분류 정확도를 갖는, 적합한 뇌-컴퓨터 인터페이스(BCI) 방법을 도출할 수 있었다. 참여자1, 2, 3, 5의 경우 MS가 MR에 비해 각 7%, 9.3%, 15.3%, 14.7% 높은 정확도를 보였고, 참여자4만 MR이 MS에 비해 3% 높은 성능을 보였다. Hwang(2014)과 같이 70%를 의미 있는 BCI 성능 기준으로 삼는다면, 참여자3, 5는 MR 의 최고 분류 정확도가 각각 62%, 65.
- 이러한 경향성은 참여자 모두에게서 표 5와 같이 관찰되었다. 평균적으로 MS는 9.6%, MR은 0.6%의 LED영역별 표준편차를 보여서, 평균 9%의 차이와 16배의 비율을 보였다.
후속연구
- 이러한 현상의 이유는 그림 1(b)와 같이 동일 크기로 제작된 센서가 사용자마다 다른 두상의 영향으로 밀착되지 못하였기 때문이다. 따라서 사용자 두상에 맞춘 개별 센서를 제작함으로써 개선할 수 있을 것이다. 그러나 동일한 시스템으로 측정하여 모든 참여자의 특성을 확인하기 위한 연구 목표에 부합하도록, 공통적으로 유효한 채널만을 분석하였다.
- 3%이므로 MR이 아닌 다른 BCI Task 대안이 필요함을 알 수 있었다[2]. 이러한 연구를 통하여, 간편하게 착용 가능한 fNIRS 시스템이 ‘사용자 맞춤형 뇌-컴퓨터 인터페이스’ 로서 활용될 수 있는 가능성을 높일 수 있다.
- 그러나 본 연구의 참여자 중 여성은 한 명뿐으로 소수였으므로 앞선 국재화 등의 해석에서 성별 편향성을 고려해야만 한다. 추후 연구에서 보완된다면 더욱 폭넓은 해석을 할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.