KR101524585B1 - 뇌파 분류 장치 및 방법 - Google Patents

뇌파 분류 장치 및 방법 Download PDF

Info

Publication number
KR101524585B1
KR101524585B1 KR1020130094245A KR20130094245A KR101524585B1 KR 101524585 B1 KR101524585 B1 KR 101524585B1 KR 1020130094245 A KR1020130094245 A KR 1020130094245A KR 20130094245 A KR20130094245 A KR 20130094245A KR 101524585 B1 KR101524585 B1 KR 101524585B1
Authority
KR
South Korea
Prior art keywords
channels
channel
eeg
groups
quot
Prior art date
Application number
KR1020130094245A
Other languages
English (en)
Other versions
KR20150018679A (ko
Inventor
심귀보
Original Assignee
중앙대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020130094245A priority Critical patent/KR101524585B1/ko
Publication of KR20150018679A publication Critical patent/KR20150018679A/ko
Application granted granted Critical
Publication of KR101524585B1 publication Critical patent/KR101524585B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

복수의 채널을 이용하여 센싱된 뇌파들을 그룹으로 분류하는 뇌파 분류 장치가 개시된다. 뇌파 분류 장치는 센싱된 뇌파들 중에서 임의의 개수의 채널을 선택하고, 선택된 채널들을 특정한 그룹으로 분류하는 것이 적절한지 여부를 판단한다. 또한, 뇌파 분류 장치는 복수의 자극에 따른 뇌파 반응이 수신된 경우, 뇌파 반응을 복수의 그룹의 출력의 합으로 분석할 수 있다.

Description

뇌파 분류 장치 및 방법{APPARATUS AND METHOD FOR CLASSIFYING BRAIN WAVE}
하기의 실시예들은 뇌파를 분류하는 기술에 관한 것으로, 구체적으로는 뇌파들간의 상관 계수를 이용하여 뇌파를 분류하는 기술에 관한 것이다.
두뇌 상태가 변화할 때 발생하는 전기적 특성인 EEG를 이용해 기계 장치나 컴퓨터를 제어하는 BCI system은 사람의 생각만으로 장치를 자유자재로 다룰 수 있어 차세대 인터페이스로 각광을 받고 있다. 특히 심상만을 이용하여 장치 제어가 가능하기 때문에 근육을 사용하는데 어려움이 있어 근전도 방식의 제어를 적용할 수 없는 환자들도 기계장치 혹은 컴퓨터를 제어할 수 있다는 점에서 주목할 만하다. 근래에는 VEP (Visual Evoked Potential), P300, 뮤 리듬 등, 다양한 종류의 뇌파 반응을 이용한 BCI system이 등장하였고 응용 분야로 휠체어를 움직이거나 로봇 의수를 작동시키는 등의 다양한 연구가 진행되어 왔다. 특히 다양한 방법을 이용해 연구가 진행되었던 시각 자극을 통한문자 입력기는 상용화를 앞두고 있을 정도로 많은 발전을 하였다. 최근에는 국내에서도 BCI system을 이용해 로봇을 제어하는 등의 연구들이 진행되고 있다.
BCI system을 구현하는데 가장 기초가 되는 단계는 신호의 습득 단계이다. 노이즈를 최소화하여 원하는 신호만을 깨끗하게 습득할 수 있다면 이후의 신호 처리 및 의도 추론 과정에서 발생할 수 있는 문제점을 줄 일수 있을 것이다. 그러나 EEG 신호를 측정하는 대부분의 방식은 비침습적 방식으로, 두피를 따라 전극을 부착하여 뇌파를 습득하기 때문에 공간 해상도가 낮고, 노이즈에 취약 할 수 밖에 없는 문제점이 발생한다. 따라서 EEG를 이용하여 BCI system을 개발하려면 노이즈에 대한 충분히 대비를 갖추어야 하고, 공간 해상도를 높이기 위해서 많은 전극들을 설치해야 한다. 이러한 내용을 바탕으로 지금까지의 연구들은 장치를 동작하기 위해서 한 가지의 자극을 피험자에게 주었고 이 때 발생하는 뇌파의 변화만을 탐구, 분석하였기때문에 측정된 많은 채널 중에서 일부, 혹은 다른 두뇌 영역은 전극을 설치하지 않고 목표로 하는 채널만 선택하여 전극을 설치해 왔었다. 이런 경우, 두뇌의 다른 영역에서 발생하는 뇌파들이 어떠한 변화를 이루고 있는지 지금까지 무시되어 왔고, 많은 채널 중 일부 채널만을 사용할 수밖에 없어 효율적인 뇌파 측정이 어려웠다.
하기 실시예들의 목적은 센싱된 복수 채널의 뇌파들을 복수의 그룹으로 분류하는 것이다.
예시적 실시예에 따르면, 복수의 채널을 이용하여 뇌파를 센싱하는 센싱부, 상기 복수의 채널들 중에서 임의의 개수의 채널을 선택하는 채널 선택부 및 상기 선택된 채널들간의 상관 계수를 산출하고, 산출된 상관 계수에 기반하여 상기 선택된 채널들을 그룹으로 분류할지 여부를 판단하는 판단부를 포함하는 뇌파 분류 장치가 제공된다.
여기서, 상기 채널 선택부는 미리 정해진 횟수만큼 상기 임의의 개수의 채널로 구성된 채널 조합을 선택하고, 상기 판단부는 상기 각 채널 조합에 포함된 채널들간의 상관 계수에 기반하여 상기 채널 조합들 중에서 상기 그룹을 선택할 수 있다.
그리고, 상기 복수의 채널 각각이 선택되었는지 여부를 나타내는 메모리부를 더 포함할 수 있다.
또한, 상기 채널 선택부는 상기 메모리부를 참조하여 각 채널들이 이전에 선택되었는지 확인하고, 각 채널들이 이전에 선택되었는지 여부에 따라 상기 임의의 개수의 채널을 선택할 수 있다.
여기서, 상기 판단부는 하기 수학식 1에 따라서 상기 상관 계수를 산출할 수 있다.
[수학식 1]
Figure 112013072013821-pat00001

여기서, N은 선택된 채널의 개수를 나타내고,
Figure 112013072013821-pat00002
는 채널간의 상관 계수를 구하는 함수이다. 또한,
Figure 112013072013821-pat00003
는 각 채널을 나타낸다.
그리고, 뇌파 반응을 수신하는 수신부 및 상기 수신된 뇌파 반응을 상기 분류된 복수의 그룹의 반응의 합으로 분석하는 반응 분석부를 더 포함할 수 있다.
또한, 상기 반응 분석부는 하기 수학식 2에 따라서 상기 뇌파 반응을 분석할 수 있다.
[수학식 2]
Figure 112013072013821-pat00004

여기서,
Figure 112013072013821-pat00005
는 시간 t에서, g개의 그룹으로 표현된 반응 뇌파이고,
Figure 112013072013821-pat00006
는 그룹의 개수이다.
Figure 112013072013821-pat00007
는 시간 t에서, i번째 그룹
Figure 112013072013821-pat00008
가 얼마나 활성화되었는지를 나타내는 계수이다.
Figure 112013072013821-pat00009
는 시간 t에서 각 그룹
Figure 112013072013821-pat00010
에 속하는 채널들이 가진 출력값을 의미함.
또 다른 예시적 실시예에 따르면, 복수의 채널을 이용하여 뇌파를 센싱하는 단계, 상기 복수의 채널들 중에서 임의의 개수의 채널을 선택하는 채널 단계 및 상기 선택된 채널들간의 상관 계수를 산출하고, 산출된 상관 계수에 기반하여 상기 선택된 채널들을 그룹으로 분류할지 여부를 판단하는 단계를 포함하는 뇌파 분류 방법이 제공된다.
여기서, 상기 채널을 선택하는 단계는 미리 정해진 횟수만큼 상기 임의의 개수의 채널로 구성된 채널 조합을 선택하고, 상기 판단하는 단계는 상기 각 채널 조합에 포함된 채널들간의 상관 계수에 기반하여 상기 채널 조합들 중에서 상기 그룹을 선택할 수 있다.
그리고, 상기 채널을 선택하는 단계는 상기 복수의 채널 각각이 선택되었는지 여부를 메모리에 저장할 수 있다.
또한, 상기 채널을 선택하는 단계는 상기 메모리를 참조하여 각 채널들이 이전에 선택되었는지 확인하고, 각 채널들이 이전에 선택되었는지 여부에 따라 상기 임의의 개수의 채널을 선택할 수 있다.
여기서, 상기 판단하는 단계는 하기 수학식 3에 따라서 상기 상관 계수를 산출할 수 있다.
[수학식 3]
Figure 112013072013821-pat00011

여기서, N은 선택된 채널의 개수를 나타내고,
Figure 112013072013821-pat00012
는 채널간의 상관 계수를 구하는 함수이다. 또한,
Figure 112013072013821-pat00013
는 각 채널을 나타낸다.
그리고, 뇌파 반응을 수신하는 단계 및 상기 수신된 뇌파 반응을 상기 분류된 복수의 그룹의 반응의 합으로 분석하는 단계를 더 포함할 수 있다.
또한, 상기 반응을 분석하는 단계는 하기 수학식 4에 따라서 상기 뇌파 반응을 분석할 수 있다.
[수학식 4]
Figure 112013072013821-pat00014

여기서,
Figure 112013072013821-pat00015
는 시간 t에서, g개의 그룹으로 표현된 반응 뇌파이고,
Figure 112013072013821-pat00016
는 그룹의 개수이다.
Figure 112013072013821-pat00017
는 시간 t에서, i번째 그룹
Figure 112013072013821-pat00018
가 얼마나 활성화되었는지를 나타내는 계수이다.
Figure 112013072013821-pat00019
는 시간 t에서 각 그룹
Figure 112013072013821-pat00020
에 속하는 채널들이 가진 출력값을 의미함.
하기 실시예들의 목적은 센싱된 복수 채널의 뇌파들을 복수의 그룹으로 분류하는 것이다.
도 1은 예시적 실시예에 따라서, 복수의 채널을 이용하여 센싱한 뇌파를 복수의 그룹으로 분류하는 것을 도시한 도면이다.
도 2는 예시적 실시예에 따른 뇌파 분류 장치의 구조를 도시한 블록도이다.
도 3은 예시적 실시예에 따라서, 각 채널들이 선택되었는지 여부를 저장하는 메모리부를 도시한 도면이다.
도 4는 예시적 실시예에 따라서, 뇌파 반응을 여러 그룹에 포함된 채널들의 반응의 합으로 분석하는 것을 도시한 도면이다.
도 5는 예시적 실시예에 따른 뇌파 분류 방법을 단계별로 설명한 순서도이다.
이하, 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 예시적 실시예에 따라서, 복수의 채널을 이용하여 센싱한 뇌파를 복수의 그룹으로 분류하는 것을 도시한 도면이다.
사람과 컴퓨터 사이의 인터페이스 중 하나로, 뇌파를 이용하여 컴퓨터 등을 직접 제어하는 기술에 대한 연구가 진행되고 있다. 현 단계는 기술 개발의 초기 단계로서, 사용자(110)의 두뇌로부터 뇌파를 센싱하고, 센싱된 뇌파를 분석하는데 연구가 집중되고 있다.
일측에 따르면, 사용자(110)의 두뇌 여러 부분에 복수의 전극을 설치한다. 도 1의 (a)에서는 사용자(110)의 두피에 복수의 전극(111, 112, 113)을 설치하여 사용자의 뇌파를 센싱할 수 있다.
사용자(110)의 뇌파를 센싱하기 위하여, 사용자(110)에게 특정한 반응을 유도하는 자극을 준다. 여기서, 시각 자극, 청각 자극 등이 사용자(110)에게 주어질 수 있다. 사용자(110)는 자극에 반응하여 특정한 패턴의 뇌파를 생성한다.
뇌파 분류 장치는 복수의 전극(111, 112, 113)을 이용하여 사용자(110)의 뇌파를 센싱한다. 각 전극(111, 112, 113)을 이용하여 센싱한 뇌파들을 각각의 채널에 대응된다. 즉, 본 명세서의 '채널'은 서로 다른 전극을 이용하여 센싱한 뇌파를 말한다.
각 채널을 이용하여 센싱한 뇌파를 모두 분석하면, 특정한 자극에 대한 사용자(110)의 두뇌 활동을 파악할 수 있다. 그러나, 모든 채널의 신호를 분석하는 것은 계산량, 복잡도 등으로 인하여 여럽다.
따라서, 복수의 채널들을 그룹(121, 122, 123, 124, 125, 126)으로 분류하여 분석의 대상이 되는 신호의 개수를 감소시키는 채널 선택 기법이 제안되었다. 도 1의 (b)에서는 복수의 채널들이 6개의 그룹(121, 122, 123, 124, 125, 126)으로 분류된 실시예가 도시되었다. 도 1의 (b)에서는 각 그룹들(121, 122, 123, 124, 125, 126)이 두피의 영역에 따라 구분되었으나, 다른 실시예에 따르면, 각 채널 또는 전극들은 다른 방법으로 구분될 수도 있다.
도 2는 예시적 실시예에 따른 뇌파 분류 장치의 구조를 도시한 블록도이다.
예시적 실시예에 따른 뇌파 분류 장치(200)는 센싱부(210), 채널 선택부(220), 메모리부(230), 판단부(240), 수신부(250) 및 반응 분석부(260)를 포함한다.
센싱부(210)는 복수의 채널을 이용하여 뇌파를 센싱한다. 여기서, 채널은 서로 다른 전극을 이용하여 센싱된 뇌파를 의미한다. 일측에 따르면, 센싱부(210)는 60여개 채널을 이용하여 뇌파를 센싱할 수 있다.
채널 선택부(220)는 센싱된 복수의 채널들 중에서 임의의 개수의 채널을 선택한다. 일측에 따르면, 채널 선택부(220)는 미리 정해진 횟수만큼 채널을 선택할 수 있다. 예를 들어, 미리 정해진 횟수가 1000번이라면, 채널 선택부(220)는 임의의 개수의 채널을 선택하는 것을 1000번 반복할 수 있다. 이 경우에, 1번에 선택된 복수의 채널들을 채널 조합이라 할 수 있다. 따라서, 채널 선택부(220)가 임의의 개수의 채널을 1000번 선택하면, 채널 선택부(220)는 1000개의 채널 조합을 생성할 수 있다. 각 채널 조합은 채널 선택부(220)가 선택한 임의의 개수의 채널을 포함한다. 여기서, 채널 선택부(220)는 선택하는 채널의 개수를 매번 임의로 결정할 수 있다.
판단부(230)는 선택된 채널들간의 상관 계수를 산출한다. 상관 계수는 각 채널들간의 신호가 얼마나 유사한지 여부를 나타내는 계수로서, 각 채널들간의 신호가 유사하면 큰 값을, 각 채널들간의 신호가 유사하지 않으면 작은 값을 가진다.
상관 계수는 각 2개의 채널간에 정의된다. 따라서, 선택된 채널의 개수에 따라 상관 계수의 개수도 결정된다. 일측에 따르면, 판단부(240)는 하기 수학식 1에 따라 상관 계수를 평균할 수 있다.
[수학식 1]
Figure 112013072013821-pat00021

여기서, N은 선택된 채널의 개수를 나타내고,
Figure 112013072013821-pat00022
는 채널간의 상관 계수를 구하는 함수이다. 또한,
Figure 112013072013821-pat00023
는 각 채널을 나타낸다.
판단부(240)는 평균된 상관 계수에 기반하여 채널 선택부(220)가 선택한 임의의 개수의 채널을 그룹으로 분류할지 여부를 판단할 수 있다. 또한, 판단부(240)는 채널 선택부(220)가 선택한 미리 결정된 개수의 채널 조합들 중에서, 그룹으로 분류할 조합을 선택할 수 있다.
일측에 따르면, 채널 선택부(220)는 이전에 채널을 선택한 결과를 참고하여 새로운 채널을 선택할 수 있다. 이를 위하여, 채널 선택부(220)는 복수의 채널 중에서 임의의 개수의 채널을 선택하고, 메모리부(230)는 각 채널이 선택되었는지 여부를 저장한다.
이하 도 3을 참고하여 메모리부(230)와 채널 선택부(220)의 동작을 설명한다.
도 3은 예시적 실시예에 따라서, 각 채널들이 선택되었는지 여부를 저장하는 메모리부를 도시한 도면이다.
도 3의 가로축은 각 채널이 선택되었는지 여부를 나타내고, 세로축은 채널을 선택한 횟수를 나타낸다. 또한, 각 사각형 내부의 숫자는 해당 채널이 선택되었는지 여부를 나타낸다. 숫자가 '1'인 경우, 해당 채널이 선택된 것을 의미한다. 또한, 숫자가 '0'인 경우, 해당 채널이 선택되지 않은 것을 의미한다.
도 3을 참조하면, 채널 선택부(220)는 첫 번째 선택에서 제2 채널, 제4 채널, 제6 채널, 제8 채널의 4개의 채널을 선택하였다. 따라서, 제1 조합에는 제2 채널, 제4 채널, 제6 채널, 제8 채널이 포함된다. 설명의 편의를 위하여 도 3에서는 제1 채널 내지 제4 채널이 하나의 그룹으로 분류되고, 제6 채널 내지 제8 채널이 다른 그룹으로 분류되는 것이 적절한 것으로 가정한다. 판단부(240)는 선택된 4개의 채널들간의 상관 계수를 산출하고, 산출된 상관 계수를 수학식 1과 같이 평균한다.
채널 선택부(220)는 두 번째 선택에서, 제2 채널, 제4 채널, 제5 채널, 제7 채널을 선택하였다. 따라서, 제2 조합에는 제2 채널, 제4 채널, 제5 채널, 제7 채널이 포함된다. 판단부(240)는 선택된 4개의 채널들간의 상관 계수를 산출하고, 산출된 상관 계수를 수학식 1과 같이 평균한다.
채널 선택부(220)는 제1 조합에 대한 상관 계수의 평균값과 제2 조합에 대한 상관 계수의 평균값을 비교한다. 제2 조합에서는 제6 채널 및 제8 채널 대신에, 제5 채널 및 제7 채널이 선택되었다. 채널 선택부(220)는 채널이 변경된 점과 상관 계수의 평균값이 변경된 점을 고려하여 다음 채널을 선택한다.
채널 선택부(220)는 세 번째 선택에서, 제2 채널, 제3 채널, 제4 채널, 제7 채널을 선택할 수 있다. 제3 조합은 제2 채널, 제3 채널, 제4 채널, 제7 채널을 포함한다. 동일한 그룹으로 분류되는 것이 바람직한 제1 채널 내지 제4 채널 중에서 3개의 채널이 선택되었으므로, 제3 조합에 대한 상관 계수의 평균값은 제1 조합 또는 제2 조합에 대한 상관 계수의 평균값 보다는 증가할 수 있다.
제3 조합에서는 제3 채널이 새롭게 선택되었고, 그 결과 제3 조합에 대한 상관 계수의 평균값이 증가하였다. 따라서, 채널 선택부(220)는 네 번째 선택에 있어서 제3 채널을 유지할 수 있다. 또는 채널 선택부(220)는 제3 채널이 유지될 가능성을 다른 채널이 유지될 가능성 보다 더 높게 설정할 수 있다.
네 번째 선택에서, 채널 선택부(220)는 제1 채널 내지 제4 채널을 선택할 수 있다. 제4 조합은 제1 채널 내지 제4 채널을 포함한다. 동일한 그룹으로 분류되는 것이 바람직한 제1 채널 내지 제4 채널이 모두 선택되었으므로, 제4 조합에 대한 채널 계수의 평균값은 최대값을 보인다.
이후 채널 선택부(220)가 채널의 선택을 반복하여도, 제4 조합에 대한 채널 계수의 평균값이 최대값을 보인다.
따라서, 채널 선택부(220)가 미리 정해진 횟수만큼 채널 선택을 반복한 경우에, 판단부(240)는 각 조합에 대한 상관 계수의 평균값에 기반하여 채널들을 분류할 수 있다.
도 3에 도시된 실시예에서, 제4 조합에 대한 상관 계수의 평균 값이 가장 크다면, 판단부(240)는 제4 조합에 포함된 채널들을 그룹으로 분류할 수 있다. 따라서, 제1 채널 내지 제4 채널이 특정 그룹으로 분류된다.
일측에 따르면, 메모리부는 제한된 개수의 조합에 대한 정보만을 저장할 수 있다. 채널 선택부(220)는 채널들의 새로운 조합을 선택하고, 판단부(240)는 새롭게 선택된 조합에 대한 상관 계수의 평균값을 산출할 수 있다. 또한, 판단부(240)는 새로운 조합의 채널들에 대한 상관 계수의 평균값을 이전 조합의 채널들에 대한 상관 계수의 평균값과 비교할 수 있다. 만약 새로운 조합의 채널들에 대한 상관 계수의 평균값이 이전 조합의 채널들에 대한 상관 계수의 평균값보다 크다면, 메모리부(230)는 이전 조합들 중에서 상관 계수의 평균값이 가장 작은 조합을 삭제하고, 새로운 조합을 메모리부에 저장할 수 있다.
채널 선택부(220)가 미리 정해진 횟수의 조합을 모두 선택한 이후에, 판단부(240)는 미리 정해진 횟수의 조합들 중에서 상관 계수의 평균값이 가장 큰 조합을 그룹으로 분류할 수 있다.
수신부(250)는 특정한 자극에 대한 사용자의 뇌파 반응을 수신한다. 여기서, 특정한 자극은 청각 자극, 시각 자극, 촉각 자극 등일 수 있으며, 두 개 이상의 자극이 중첩된 것일 수도 있다.
반응 분석부(260)는 수신된 뇌파 반응을 각 그룹의 반응의 합으로 분석한다.
도 4는 예시적 실시예에 따라서, 뇌파 반응을 여러 그룹에 포함된 채널들의 반응의 합으로 분석하는 것을 도시한 도면이다.
위에서 설명된 바에 따르면, 각 채널들은 복수의 그룹으로 분류될 수 있다. 각 그룹은 두뇌의 특정 영역에 위치한 전극을 이용하여 센싱한 채널을 포함할 수 있다. 예를 들어, 제1 그룹은 두뇌의 제1 영역(441)에 위치한 전극을 이용하여 센싱한 채널을 포함하고, 제2 그룹은 두뇌의 제2 영역(442)에 위치한 전극을 이용하여 센싱한 채널을 포함할 수 있다. 채널들이 6개의 영역(441, 442, 443, 444, 445, 446)에 대응되는 그룹으로 분류되는 실시예가 도시되었다.
인간의 두뇌는 내부 혹은 외부에서 주어지는 자극에 반응하여 뇌파 반응을 생성한다. 특히 특정한 자극에 대하여 발생한 뇌파 반응은 두뇌의 특정부위에서 나타나는 경향을 가지고 있다. 일측에 따르면, 사용자(410)가 시각 자극(420)에 노출된 경우, 두뇌의 제1 영역(441)이 활발히 반응하여 강한 출력의 뇌파를 생성할 수 있다. 또한, 사용자(410)가 청각 자극(430)에 노출된 경우, 두뇌의 제2 영역(442)이 활발히 반응하여 강한 출력의 뇌파를 생성할 수 있다.
도 4를 참고하면, 사용자(410)는 시각 자극(420) 및 청각 자극(430)이 중첩된, 중첩 자극에 노출될 수 있다. 만약 도 4와 같이 여러 자극(420, 430)이 중첩하여 사용자에게 가해질 때, 중첩하여 가해진 자극에 대한 뇌파 반응은, 개별적인 자극에 의해 발생한 개별적인 반응이 중첩된 것으로서, 서로에게 간섭을 하지 않는다고 가정을 할 수 있다. 즉, 도 4와 같이 시각 자극(420) 및 청각 자극(430)이 중첩된, 중첩 자극에 노출된 경우, 두뇌의 제1 영역(441) 및 제2 영역(442)이 활발히 반응할 수 있다.
이 경우에, 중첩된 자극에 의해 발생하는 뇌파는 중첩의 원리를 따른다고 할 수 있고 뇌파의 전체 반응은 개별 자극에 대한 반응들의 선형 결합이라고 생각할 수 있다.
따라서, 특정 시점을 기준으로, 사용자에게 가해지는 자극의 수와, 그 자극에 대한 반응의 수는 같고, 이 때 나타나는 각 반응들을 별개의 그룹으로 생각해 중첩된 반응에 대한 뇌파 반응을 개별적인 그룹의 합으로 분석할 수 있다.
이 내용을 수학식으로 표현하는 하기 수학식 2와 같다.
[수학식 2]
Figure 112013072013821-pat00024

여기서,
Figure 112013072013821-pat00025
는 시간 t에서, g개의 그룹으로 표현된 반응 뇌파이고,
Figure 112013072013821-pat00026
는 그룹의 개수이다. 집중도 계수
Figure 112013072013821-pat00027
는 시간 t에서, i번째 그룹
Figure 112013072013821-pat00028
가 얼마나 활성화되었는지를 나타내는 계수이다.
Figure 112013072013821-pat00029
는 시간 t에서 각 그룹
Figure 112013072013821-pat00030
에 속하는 채널들이 가진 출력값을 의미함.
여기기서, 집중도 계수
Figure 112013072013821-pat00031
는 하기 수학식 3에 따라서 정의될 수 있다.
[수학식 3]
Figure 112013072013821-pat00032

수학식 3을 참조하면, 집중도 계수는 전체 채널과 해당 그룹 사이의 출력(power)의 비율을 의미한다. 집중도 계수가 큰 그룹은 t 시간에 가장 활성화되어 사용자가 집중을 하고 있는 중요한 그룹으로 볼 수 있다. 또한, 집중도 계수가 낮은 그룹은 상대적으로 비활성화된 그룹이라고 볼 수 있다.
집중도 계수
Figure 112013072013821-pat00033
는 시간에 따라 변하는 값이지만, 특정 시간 동안 사용자가 자극에 집중할 수 있다면, 그 시간 동안은 상수로 볼 수 있다.
상기 수학식 2에 따라 반응 뇌파를 분석하면, 두 개 혹은 세 개의 자극에 노출된 경우, 자극에 반응하는 채널들은 하나의 자극이 주어졌을 때와 비슷한 영역들이 동시에 활성화되는 것을 알 수 있다.
도 5는 예시적 실시예에 따른 뇌파 분류 방법을 단계별로 설명한 순서도이다.
단계(510)에서, 뇌파 분류 장치는 복수의 채널을 이용하여 뇌파를 센싱한다.
단계(520)에서, 뇌파 분류 장치는 센싱된 복수의 채널들 중에서 임의의 개수의 채널을 선택한다. 선택도니 임의의 개수의 채널은 채널 조합을 구성한다.
단계(530)에서, 뇌파 분류 장치는 선택된 채널에 대한 정보를 저장한다. 여기서, 선택된 채널에 대한 정보는 각 채널이 선택되었는지 여부를 나타낼 수 있다. 일측에 따르면, 뇌파 분류 장치는 메모리를 구비할 수 있다. 이 경우에, 뇌파 분류 장치는 선택된 채널에 대한 정보를 메모리에 저장할 수 있다.
단계(540)에서, 뇌파 분류 장치는 선택된 채널들에 대한 상관 계수를 산출한다. 일측에 따르면, 뇌파 분류 장치는 산출된 상관 계수를 상기 수학식 1에 따라 평균하여 상관 계수의 평균값을 산출할 수 있다.
단계(550)에서, 뇌파 분류 장치는 미리 결정된 횟수만큼 임의의 개수의 채널을 선택하였는지 여부를 판단할 수 있다. 만약 임의의 개수의 채널을 선택한 횟수가 미리 결정된 횟수 보다 작은 경우에, 뇌파 분류 장치는 단계(520)에서 임의의 개수의 채널을 재선택한다.
일측에 따르면, 뇌파 분류 장치는 메모리를 참조하여 각 채널들이 이전에 선택되었는지 여부를 확인하고, 각 채널들이 이전에 선택되었는지 여부에 따라 임의의 개수의 채널을 재선택할 수 있다.
일측에 따르면, 메모리는 제한된 개수의 조합에 대한 정보만을 저장할 수 있다. 이 경우에, 뇌파 분류 장치는 새롭게 선택된 조합에 대한 상관 계수의 평균값을 산출할 수 있다. 또한, 뇌파 분류 장치는 새로운 조합의 채널들에 대한 상관 계수의 평균값을 이전 조합의 채널들에 대한 상관 계수의 평균값과 비교할 수 있다. 만약 새로운 조합의 채널들에 대한 상관 계수의 평균값이 이전 조합의 채널들에 대한 상관 계수의 평균값보다 크다면, 뇌파 분류 장치는 이전 조합들 중에서 상관 계수의 평균값이 가장 작은 조합을 삭제하고, 새로운 조합을 메모리에 저장할 수 있다.
만약 단계(550)에서, 임의의 개수의 채널을 선택한 횟수가 미리 결정된 횟수와 동일하거나 큰 경우에, 뇌파 분류 장치는 단계(560)에서, 선택된 채널들 중 적어도 하나를 그룹으로 분류한다. 일측에 따르면, 뇌파 분류 장치는 각 채널 조합에 포함된 채널들간의 상관 계수에 기반하여 채널 조합들 중에서 그룹을 선택할 수 있다. 예를 들어, 뇌파 분류 장치는 선택된 조합들 중에서, 상관 계수의 평균값이 가장 큰 값을 가지는 조합에 포함된 채널들을 그룹으로 분류할 수 있다.
단계(560)에서, 뇌파 분류 장치는 특정한 자극에 대한 사용자의 뇌파 반응을 수신한다. 여기서, 특정한 자극은 청각 자극, 시각 자극, 촉각 자극 등일 수 있으며, 두 개 이상의 자극이 중첩된 것일 수도 있다.
단계(570)에서, 뇌파 분류 장치는 수신된 뇌파 반응을 단계(560)에서 분류된 복수의 그룹의 반응의 합으로 분석한다. 일측에 따르면, 뇌파 분류 장치는 여러 자극이 중첩하여 사용자에게 가해질 때, 중첩하여 가해진 자극에 대한 뇌파 반응은, 개별적인 자극에 의해 발생한 개별적인 반응이 중첩된 것으로서, 서로에게 간섭을 하지 않는다고 가정을 할 수 있다.
이 경우에, 중첩된 자극에 의해 발생하는 뇌파는 중첩의 원리를 따른다고 할 수 있고 뇌파의 전체 반응은 개별 자극에 대한 반응들의 선형 결합이라고 생각할 수 있다.
따라서, 특정 시점을 기준으로, 사용자에게 가해지는 자극의 수와, 그 자극에 대한 반응의 수는 같고, 이 때 나타나는 각 반응들을 별개의 그룹으로 생각해 중첩된 반응에 대한 뇌파 반응을 개별적인 그룹의 합으로 분석할 수 있다.
일측에 따르면, 뇌파 분류 장치는 상기 수학식 2에 따라서 뇌파 반응을 개별적은 그룹의 합으로 분석할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
210: 센싱부
220: 채널 선택부
230: 메모리부
240: 판단부
250: 수신부
260: 반응 분석부

Claims (15)

  1. 복수의 채널을 이용하여 뇌파를 센싱하는 센싱부;
    상기 복수의 채널들 중에서 미리 정해진 횟수만큼 임의의 개수의 채널로 구성된 채널 조합을 선택하는 채널 선택부; 및
    상기 채널들간의 상관 계수를 산출하고, 상기 각 채널 조합에 포함된 채널들간의 상관 계수에 기반하여 상기 선택된 채널 조합들을 그룹으로 분류할지 여부를 판단하는 판단부
    를 포함하는 뇌파 분류 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 복수의 채널 각각이 선택되었는지 여부를 저장하는 메모리부
    를 더 포함하는 뇌파 분류 장치.
  4. 제3항에 있어서,
    상기 채널 선택부는 상기 메모리부를 참조하여 각 채널들이 이전에 선택되었는지 확인하고, 각 채널들이 이전에 선택되었는지 여부에 따라 상기 임의의 개수의 채널을 선택하는 뇌파 분류 장치.
  5. 제1항에 있어서,
    상기 판단부는 하기 수학식 1에 따라서 상기 상관 계수를 산출하는 뇌파 분류 장치.

    [수학식 1]

    Figure 112013072013821-pat00034


    여기서, N은 선택된 채널의 개수를 나타내고,
    Figure 112013072013821-pat00035
    는 채널간의 상관 계수를 구하는 함수이다. 또한,
    Figure 112013072013821-pat00036
    는 각 채널을 나타낸다.
  6. 제1항에 있어서,
    뇌파 반응을 수신하는 수신부; 및
    상기 수신된 뇌파 반응을 상기 분류된 복수의 그룹의 반응의 합으로 분석하는 반응 분석부
    를 더 포함하는 뇌파 분류 장치.
  7. 제6항에 있어서,
    상기 반응 분석부는 하기 수학식 2에 따라서 상기 뇌파 반응을 분석하는 뇌파 분류 장치.

    [수학식 2]

    Figure 112013072013821-pat00037


    여기서,
    Figure 112013072013821-pat00038
    는 시간 t에서, g개의 그룹으로 표현된 반응 뇌파이고,
    Figure 112013072013821-pat00039
    는 그룹의 개수이다.
    Figure 112013072013821-pat00040
    는 시간 t에서, i번째 그룹
    Figure 112013072013821-pat00041
    가 얼마나 활성화되었는지를 나타내는 계수이다.
    Figure 112013072013821-pat00042
    는 시간 t에서 각 그룹
    Figure 112013072013821-pat00043
    에 속하는 채널들이 가진 출력값을 의미함.
  8. 복수의 채널을 이용하여 뇌파를 센싱하는 단계;
    상기 복수의 채널들 중에서 미리 정해진 횟수만큼 임의의 개수의 채널로 구성된 채널 조합을 선택하는 단계; 및
    상기 채널들간의 상관 계수를 산출하고, 상기 각 채널 조합에 포함된 채널들간의 상관 계수에 기반하여 상기 선택된 채널 조합들을 그룹으로 분류할지 여부를 판단하는 단계
    를 포함하는 뇌파 분류 방법.
  9. 삭제
  10. 제8항에 있어서,
    상기 채널을 선택하는 단계는 상기 복수의 채널 각각이 선택되었는지 여부를 메모리에 저장하는 뇌파 분류 방법.
  11. 제10항에 있어서,
    상기 채널을 선택하는 단계는 상기 메모리를 참조하여 각 채널들이 이전에 선택되었는지 확인하고, 각 채널들이 이전에 선택되었는지 여부에 따라 상기 임의의 개수의 채널을 선택하는 뇌파 분류 방법.
  12. 제8항에 있어서,
    상기 판단하는 단계는 하기 수학식 3에 따라서 상기 상관 계수를 산출하는 뇌파 분류 방법.

    [수학식 3]

    Figure 112013072013821-pat00044


    여기서, N은 선택된 채널의 개수를 나타내고,
    Figure 112013072013821-pat00045
    는 채널간의 상관 계수를 구하는 함수이다. 또한,
    Figure 112013072013821-pat00046
    는 각 채널을 나타낸다.
  13. 제8항에 있어서,
    뇌파 반응을 수신하는 단계; 및
    상기 수신된 뇌파 반응을 상기 분류된 복수의 그룹의 반응의 합으로 분석하는 단계
    를 더 포함하는 뇌파 분류 방법.
  14. 제13항에 있어서,
    상기 반응을 분석하는 단계는 하기 수학식 4에 따라서 상기 뇌파 반응을 분석하는 뇌파 분류 방법.

    [수학식 4]

    Figure 112014103773831-pat00047


    여기서,
    Figure 112014103773831-pat00048
    는 시간 t에서, g개의 그룹으로 표현된 반응 뇌파이고,
    Figure 112014103773831-pat00049
    는 그룹의 개수이다.
    Figure 112014103773831-pat00050
    는 시간 t에서, i번째 그룹
    Figure 112014103773831-pat00051
    가 얼마나 활성화되었는지를 나타내는 계수이다.
    Figure 112014103773831-pat00052
    는 시간 t에서 각 그룹
    Figure 112014103773831-pat00053
    에 속하는 채널들이 가진 출력값을 의미함.
  15. 제8항 및 제10항 내지 제14항 중에서 어느 하나의 항의 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
KR1020130094245A 2013-08-08 2013-08-08 뇌파 분류 장치 및 방법 KR101524585B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130094245A KR101524585B1 (ko) 2013-08-08 2013-08-08 뇌파 분류 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130094245A KR101524585B1 (ko) 2013-08-08 2013-08-08 뇌파 분류 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20150018679A KR20150018679A (ko) 2015-02-24
KR101524585B1 true KR101524585B1 (ko) 2015-06-04

Family

ID=52578096

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130094245A KR101524585B1 (ko) 2013-08-08 2013-08-08 뇌파 분류 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101524585B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190062285A (ko) 2017-11-27 2019-06-05 고려대학교 산학협력단 지역별 결합 뇌전도 신호의 csp 특징을 이용한 운동 심상 분류 장치 및 방법
KR20190070558A (ko) 2017-12-13 2019-06-21 고려대학교 산학협력단 지역간 결합 뇌전도 신호 csp 특징을 이용한 운동심상 분류 장치 및 그 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008225877A (ja) * 2007-03-13 2008-09-25 Nec Corp ブレイン・コンピュータ・インタフェース
JP4264126B2 (ja) * 2006-11-06 2009-05-13 パナソニック株式会社 脳波識別方法調整装置および方法
KR20110037726A (ko) * 2009-10-07 2011-04-13 포항공과대학교 산학협력단 뇌-컴퓨터 인터페이스를 위한 합성 공통 공간 패턴 분석 방법 및 이를 이용한 뇌파 분석 방법
KR20120125948A (ko) * 2011-05-09 2012-11-19 광주과학기술원 뇌-컴퓨터 접속 장치, 그리고 그의 분류 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4264126B2 (ja) * 2006-11-06 2009-05-13 パナソニック株式会社 脳波識別方法調整装置および方法
JP2008225877A (ja) * 2007-03-13 2008-09-25 Nec Corp ブレイン・コンピュータ・インタフェース
KR20110037726A (ko) * 2009-10-07 2011-04-13 포항공과대학교 산학협력단 뇌-컴퓨터 인터페이스를 위한 합성 공통 공간 패턴 분석 방법 및 이를 이용한 뇌파 분석 방법
KR20120125948A (ko) * 2011-05-09 2012-11-19 광주과학기술원 뇌-컴퓨터 접속 장치, 그리고 그의 분류 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190062285A (ko) 2017-11-27 2019-06-05 고려대학교 산학협력단 지역별 결합 뇌전도 신호의 csp 특징을 이용한 운동 심상 분류 장치 및 방법
KR20190070558A (ko) 2017-12-13 2019-06-21 고려대학교 산학협력단 지역간 결합 뇌전도 신호 csp 특징을 이용한 운동심상 분류 장치 및 그 방법

Also Published As

Publication number Publication date
KR20150018679A (ko) 2015-02-24

Similar Documents

Publication Publication Date Title
NL2013245B1 (en) Brain computer interface using broadband evoked potentials.
US20070179396A1 (en) Method and System for Detecting and Classifying Facial Muscle Movements
KR101518575B1 (ko) Bci를 위한 사용자 의도인지 분석 방법
Xiang et al. Volumetric imaging of brain activity with spatial-frequency decoding of neuromagnetic signals
JP2013507174A5 (ko)
EP3718473A1 (en) Intracerebral network activity estimation system, intracerebral network activity estimation method, intracerebral network activity estimation program, and learned brain activity estimation model
Xu et al. Using particle swarm to select frequency band and time interval for feature extraction of EEG based BCI
US20140128762A1 (en) Seizure detection and epileptogenic lesion localization
KR101524585B1 (ko) 뇌파 분류 장치 및 방법
KR20210154694A (ko) 집중 레벨에 따른 뇌 활성도에 기반하여 사용자의 의도를 판단하는 뇌 컴퓨터 인터페이스 장치 및 동작 방법
Christoforou et al. Second-order bilinear discriminant analysis
Valencia et al. In vivo neural spike detection with adaptive noise estimation
Wang et al. EEG recognition based on multiple types of information by using wavelet packet transform and neural networks
Farrokhi et al. A piecewise probabilistic regression model to decode hand movement trajectories from epidural and subdural ECoG signals
JP4876988B2 (ja) ブレイン・コンピュータ・インタフェース装置
JP6996135B2 (ja) 情報処理装置、情報処理方法、及びプログラム
KR101889387B1 (ko) 피험자 피로도를 반영한 뇌파 분석 방법 및 시스템
KR101393055B1 (ko) 뇌파를 이용한 제어 장치 및 방법
Fauzi et al. Automatic energy extraction methods for EEG channel selection
KR102152785B1 (ko) 지역별 결합 뇌전도 신호의 csp 특징을 이용한 운동 심상 분류 장치 및 방법
Chaibi et al. Developement of Matlab-based Graphical User Interface (GUI) for detection of high frequency oscillations (HFOs) in epileptic patients
JP2021536272A (ja) 非侵襲的電磁記録におけるアーチファクトを抑制するための装置、システム、および方法
Dyson et al. Online extraction and single trial analysis of regions contributing to erroneous feedback detection
KR102404708B1 (ko) 운동 상상 훈련 장치 및 그 동작 방법
Kim et al. Elastic net ensemble classifier for event-related potential based automatic spelling

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180406

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20200309

Year of fee payment: 6