![[그림 1] 뇌-기계 인터페이스의 모식도 (Shih JJ et al., 2012)](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_10_image_32.jpg "[그림 1] 뇌-기계 인터페이스의 모식도 (Shih JJ et al., 2012)")
![[그림 2] 미세전극배열 (좌), 뇌파로 3차원 로봇팔을 제어하는 원숭이 (우)](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_11_image_33.jpg "[그림 2] 미세전극배열 (좌), 뇌파로 3차원 로봇팔을 제어하는 원숭이 (우)")
![[그림 3] 사지마비 환자가 뇌-기계 인터페이스 기술로 구동하는 로봇팔을 이용하여 병을 쥐고 음료를 마시는 모습](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_12_image_34.jpg "[그림 3] 사지마비 환자가 뇌-기계 인터페이스 기술로 구동하는 로봇팔을 이용하여 병을 쥐고 음료를 마시는 모습")
![[그림 4] 상지 과제 수행시 Brodmann area 4의 ECoG 전극에서 측정된 신호](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_13_image_36.jpg "[그림 4] 상지 과제 수행시 Brodmann area 4의 ECoG 전극에서 측정된 신호")
![[그림 5] ECoG 신호에 따른 3차원 커서의 움직임 궤적](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_14_image_37.jpg "[그림 5] ECoG 신호에 따른 3차원 커서의 움직임 궤적")
![[그림 6] 마이크로소프트 키넥트, 안구인식 센서, ECoG의 융합 BMI 시스템](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_16_image_39.jpg "[그림 6] 마이크로소프트 키넥트, 안구인식 센서, ECoG의 융합 BMI 시스템")
![[그림 7] 미세전극 삽입 후 신경아교세포들이 전극을 감싼 모습(좌), 미세전극 삽입 후 조직변화가 지속되는 모습(우)](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_16_image_63.JPG "[그림 7] 미세전극 삽입 후 신경아교세포들이 전극을 감싼 모습(좌), 미세전극 삽입 후 조직변화가 지속되는 모습(우)")
![[그림 8] 연도별 뇌-기계 인터페이스 연구논문 편수(Pubmed 검색 결과)](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_17_image_40.jpg "[그림 8] 연도별 뇌-기계 인터페이스 연구논문 편수(Pubmed 검색 결과)")
![[그림 9] 뇌-기계 인터페이스에 대한 투자 및 지원](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_19_image_41.jpg "[그림 9] 뇌-기계 인터페이스에 대한 투자 및 지원")
![[그림 10] Grasp/release 움직임 예측 실험 프로토콜](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_22_image_42.jpg "[그림 10] Grasp/release 움직임 예측 실험 프로토콜")
![[그림 11] (a) Grasp/release에 따른 ECoG 신호의 변화 (b) 분류 알고리즘 SVM](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_23_image_43.jpg "[그림 11] (a) Grasp/release에 따른 ECoG 신호의 변화 (b) 분류 알고리즘 SVM")
![[그림 12] Reaching 움직임 예측 실험 환경 구축](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_24_image_44.jpg "[그림 12] Reaching 움직임 예측 실험 환경 구축")
![[그림 13] ECoG 기반 reaching 실험 프로토콜](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_24_image_45.jpg "[그림 13] ECoG 기반 reaching 실험 프로토콜")
![[그림 14] 실험에 참여한 3명 피험자의 ECoG 전극 위치 및 움직임에 따른 ECoG 신호의 변화](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_25_image_46.jpg "[그림 14] 실험에 참여한 3명 피험자의 ECoG 전극 위치 및 움직임에 따른 ECoG 신호의 변화")
![[그림 15] 다증회귀 알고리즘을 이용한 팔 움직임 예측 알고리즘](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_26_image_47.jpg "[그림 15] 다증회귀 알고리즘을 이용한 팔 움직임 예측 알고리즘")
![[그림 16] 실제 움직임과 예측값 간의 x, y, z 축 상관계수](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_26_image_48.jpg "[그림 16] 실제 움직임과 예측값 간의 x, y, z 축 상관계수")
![[그림 17] 실시간 움직임 예측 알고리즘을 위한 자동 데이터 분석 알고리즘](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_27_image_49.jpg "[그림 17] 실시간 움직임 예측 알고리즘을 위한 자동 데이터 분석 알고리즘")
![[그림 18] ECoG 기반 실시간 팔 움직임 예측 프로그램](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_28_image_50.jpg "[그림 18] ECoG 기반 실시간 팔 움직임 예측 프로그램")
![[그림 19] Jaco Arm Workspace](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_28_image_51.jpg "[그림 19] Jaco Arm Workspace")
![[그림 20] EEG를 이용한 통합시스템 사전검증](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_29_image_52.jpg "[그림 20] EEG를 이용한 통합시스템 사전검증")
![[그림 21] 실시간 움직임 예측 및 로봇팔 제어 시스템 구성](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_29_image_53.jpg "[그림 21] 실시간 움직임 예측 및 로봇팔 제어 시스템 구성")
![[그림 22] 실시간 움직임 예측 실험 장면](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_30_image_54.jpg "[그림 22] 실시간 움직임 예측 실험 장면")
![[그림 23] PCA 기법을 이용한 목표물체 주축 판별 알고리즘 및 Roll angle 제어](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_31_image_55.jpg "[그림 23] PCA 기법을 이용한 목표물체 주축 판별 알고리즘 및 Roll angle 제어")
![[그림 24] 영상 보정을 통한 정확도 개선 실험 장면](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_32_image_56.jpg "[그림 24] 영상 보정을 통한 정확도 개선 실험 장면")
![[그림 25] 로봇 팔 시스템에 대한 수요조사용 설문지](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_34_image_57.jpg "[그림 25] 로봇 팔 시스템에 대한 수요조사용 설문지")
![[그림 26] Grasp taxonomy 및 수요가 높은 grasp types](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_37_image_60.jpg "[그림 26] Grasp taxonomy 및 수요가 높은 grasp types")
![[그림 27] 조사 대상 로봇](https://nrms.kisti.re.kr/bitextimages/TRKO201600000818/TRKO201600000818_38_image_61.jpg "[그림 27] 조사 대상 로봇")
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.
| 주관연구기관 | 서울대학교병원 Seoul National University Hospital |
|---|---|
| 연구책임자 | 방문석 |
| 참여연구자 | 서한길 , 김성완 , 김준식 , 이자호 , 정천기 |
| 보고서유형 | 최종보고서 |
| 발행국가 | 대한민국 |
| 언어 | 한국어 |
| 발행년월 | 2015-11 |
| 과제시작연도 | 2015 |
| 주관부처 | 보건복지부 |
| 과제관리전문기관 | 국립재활원 National Rehabilitation Center |
| 등록번호 | TRKO201600000818 |
| 과제고유번호 | 1465019754 |
| DB 구축일자 | 2016-05-07 |
※ AI-Helper는 부적절한 답변을 할 수 있습니다.