초록 ▼

연구개발 목표 및 내용
최종 목표
진화 가능한 뇌파기반 제어시스템의 개발
전체 내용
뇌파는 개인별 차이가 크고 기간에 대한 변동성이 큰 생체신호임. 이를 해결하기 위해서 본 연구에서는 진화 가능한 뇌파분석 알고리즘을 개발하고 이를 이용하여 디바이스를 제어하는 시스템을 구축하는 것을 목표로 함. 구체적으로는 다음과 같은 목표와 내용을 정함.
· EEG headset과 컴퓨터간의 인터페이스 구축: 운동상상뇌파와 시각자극반응뇌파 신호를 측정하고 실시간으로 해석결과를 도출할 수 있는 interface 구축하고 이

연구개발 목표 및 내용
최종 목표
진화 가능한 뇌파기반 제어시스템의 개발
전체 내용
뇌파는 개인별 차이가 크고 기간에 대한 변동성이 큰 생체신호임. 이를 해결하기 위해서 본 연구에서는 진화 가능한 뇌파분석 알고리즘을 개발하고 이를 이용하여 디바이스를 제어하는 시스템을 구축하는 것을 목표로 함. 구체적으로는 다음과 같은 목표와 내용을 정함.
· EEG headset과 컴퓨터간의 인터페이스 구축: 운동상상뇌파와 시각자극반응뇌파 신호를 측정하고 실시간으로 해석결과를 도출할 수 있는 interface 구축하고 이를 기반으로 학습용 데이터 취득 실험 수행 및 실시간 시스템 검증
· 진화 가능한 뇌파해석 알고리즘 개발: 뇌파 해석의 정확도를 향상시키기 위하여 false data filtering 기법과 flexible CNN 구조 최적화 기법 개발. 특히 flexible CNN기법은 뇌파의 개인적인 특성에 따라 진화 가능한 CNN구조을 설계하는데 적용가능한 기법임.
· 뇌파해석용 가상데이터 생성 알고리즘 개발: 피로도 높은 뇌파 실험의 특성상 학습용 데이터가 부족하므로 이를 해결하기 위해 가상의 뇌파 데이터를 생성하는 알고리즘 개발
· 시간 변동성 적용 알고리즘 개발: Domain adaptation 기법을 이용하여 뇌파의 시간 변동성을 자율적으로 학습할 수 있는 알고리즘 개발

연구개발성과
· Matlab과 python을 이용하여 운동상상뇌파와 시각자극반응뇌파 신호를 측정하고 실시간으로 해석결과를 도출할 수 있는 interface 구축
· False data filtering 기법을 개발 및 적용하여 뇌파해석의 에러를 1~2% 감소시킴
· Flexible CNN 구조를 위해 유전자 알고리즘과 CNN 알고리즘을 통합시키고 이를 통해 해석의 정확도를 약 16% 향상시킴.
· 피실험자의 피로도가 높은 뇌파 실험의 특성상 학습용 데이터가 부족하므로 이를 해결하기 위해 가상의 뇌파 데이터를 생성하여 학습용 데이터베이스의 크기를 성장시키는 알고리즘 개발
· Domain adaptation 기법을 이용하여 뇌파의 시간 변동성을 자율적으로 학습할 수 있는 알고리즘 개발하여 1~2% 정확도 향상 구현

연구개발성과 활용계획 및 기대 효과
· 본 연구에서 개발한 false data filtering 알고리즘은 뇌파 아닌 다른 종류의 생체신호실험 및 분석에 활용 가능
· Flexible CNN 설계방법은 인공신경망을 사용하는 다른 분야에 적용되어 그 분야에 최적화된 CNN 구조를 자율적으로 설계해주는 기법으로 활용 가능
· Domain adaptation 기법은 생체신호 분석의 한계 (개인 차이, 시간변동성, annotation)등의 문제점을 해결하는 데 적용 가능

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요 약 문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 16
• 1) 연구수행 결과 ... 16
• 4. 연구개발성과의 관련 분야에 대한 기여 정도 ... 23
• 5. 연구개발성과의 관리 및 활용 계획 ... 24
• 6. 참고문헌 ... 26
• 끝페이지 ... 26