$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

뇌파신호 및 응용 기술 동향
Trends in Brain Wave Signal and Application Technology 원문보기

전자통신동향분석 = Electronics and telecommunications trends, v.32 no.2, 2017년, pp.19 - 28  

김도영 (씨앗기술연구실) ,  이재호 (씨앗기술연구실) ,  박문호 (씨앗기술연구실) ,  최윤호 (씨앗기술연구실) ,  박윤옥 (씨앗기술연구실)

초록
AI-Helper 아이콘AI-Helper

뇌파신호는 사람의 생각이나 감정을 가장 현실적인 방법으로 취득하여 해석하고 분석할 수 있는 유용한 정보원이다. 뇌파는 음성인식 이후에 사람과 사람, 사람과 사물, 사람과 컴퓨터 간에 편리하고 가장 자연스러운 초연결(Hyper-Connection) 접속과 통신을 가능하게 하는 유력하고 궁극적인 수단이다. 하지만 뇌파를 두뇌 활동 시 발생하는 신경세포와 신경세포 사이에 형성된 시냅스들의 화학적 활성화에 의한 전자기적 신호 평균의 총합으로만 해석하는 한, 뇌과학에서 이룩한 복잡한 사람의 생각과 감정 패턴과의 연결 해석이 불가능한 한계가 발생한다. 본고에서는 이를 극복하여 뇌파를 미래의 초연결 접속과 통신 수단으로 활용 가능하도록 하기 위한 기술적 가치와 가능성을 재발견하기 위하여 뇌과학에서 밝혀지고 있는 생각과 감정회로와 연동 해석하기 위한 뇌파신호의 처리, 해석 및 응용 기술 동향에 대해 기술한다.

참고문헌 (21)

  1. M.F. Bear, B.W. Commors and M.A. Paradiso, "NeuroScience: Exploring the Brain," Lippincott Williams and Wilkins, Feb. 7, 2006. 

  2. 박문호, "그림으로읽는뇌과학의모든것," Humanist, 2013. 4. 

  3. 홍승봉, 정기영, "뇌파의전기생리학," 대한신경과학회지, 제21 권제3호, 2003. 6, pp. 225-227. 

  4. 연세대학교 의료공학연구센터, "단기교육강좌: 뇌파 측정과 동 적신경영상이론및응용," 2007. 

  5. https://en.wikipedia.org/wiki/10-20_system_(EEG) 

  6. F. Sharbrough et al, "American Electroencephalographic Society Guidelines for Standard Electrode Position Nomenclature," J. Clin Neurophysial, Apr. vol. 8, no. 2, 1991. 

  7. Brain IP, "뇌파측정이 가능한 블루투스 이어폰 소개," 2012. 3. 

  8. UC San Diego, http://www.isn.ucsd.edu 

  9. X. Zeng, R. Eykholt and R.A. Pielke, "Estimating the Lyapunov-Exponent Spectrum from Short Time Series of Low Precision," Phys. Rev. Lett. vol. 66, no. 25, 1991, pp. 3229-3232. 

  10. Laxtha, http://www.laxtha.com 

  11. H. Cecotti and A. Graser, "Convolutional Neural Networks for P300 Detection with Application to Brain-Computer Interfaces," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 33, no. 3, Mar. 2011, pp. 433-445. 

  12. U. Hoffmann et al., "An Efficient P300-Based Brain-Computer Interface for Disabled Subjects," Journal of Neuroscience Methods, vol. 167, no. 1, Mar. 4th, 2008, pp. 115-125. 

  13. 최정미, "생체신호처리기술 및 산업동향," 웨어러블기기를 이용한 생체인식 기술 워크숍, 대한전자공학회, 2017. 3, pp.113-152. 

  14. 신현순 외, "감성 ICT 기술 및 산업동향," 전자통신동향분석, 제29권 제5호, 2014. 10. pp. 30-39. 

  15. A.T. Sohaib et al., "Evaluating Classifiers for Emotion Recognition using EEG," Foundations of Augmented Cognition Lecture Notes Computer Science, vol. 8027, 2013. pp. 492-501. 

  16. ?. Guler and E.D. Ubeyli, "Multiclass Support Vector Machines for EEG-Signals Classification," IEEE Trans. on Info. Tech. Biomed., vol. 11, no. 2, Apr. 2007, pp. 117-126. 

  17. J.-H. Kang et al., "Modulation of Alpha Oscillations in the Human EEG with Facial Preference," PLoS ONE, vol. 10, no.9, Sept. 22nd, 2015. 

  18. C.S. Nam et al, "뇌-컴퓨터 인터페이스 (Brain-Computer Interfaces) 기술에 대한 국내.외 연구개발 동향 조사," Korean-American Scientists and Engineers Association (KSEA), Dec. 2015. 

  19. http://newatlas.com/honda-asimo-brain-machine-interfacemind-control/11379. 

  20. A. Bashashati et al, "A New Design of the Asynchronous Brain Computer Interface using the Knowledge of the Path of Features," Conference Proc. of 2nd International IEEE EMBS, March 2005, pp. 101-104. 

  21. D. Yao et al, "A Study of Equivalent Source Techniques for High-Resolution EEG Imaging," Physics in Medicine and Biology, vol. 46, no. 8, July 2001. 

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로