KR101585150B1 - 뇌 연결성에 기반한 멀티모드 뇌-컴퓨터 인터페이스 시스템 - Google Patents

뇌 연결성에 기반한 멀티모드 뇌-컴퓨터 인터페이스 시스템 Download PDF

Info

Publication number
KR101585150B1
KR101585150B1 KR1020140128377A KR20140128377A KR101585150B1 KR 101585150 B1 KR101585150 B1 KR 101585150B1 KR 1020140128377 A KR1020140128377 A KR 1020140128377A KR 20140128377 A KR20140128377 A KR 20140128377A KR 101585150 B1 KR101585150 B1 KR 101585150B1
Authority
KR
South Korea
Prior art keywords
user
brain
eeg
operation mode
intention
Prior art date
Application number
KR1020140128377A
Other languages
English (en)
Inventor
정천기
김준식
강병근
염홍기
이형래
Original Assignee
서울대학교산학협력단
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 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020140128377A priority Critical patent/KR101585150B1/ko
Priority to JP2015183845A priority patent/JP6067808B2/ja
Application granted granted Critical
Publication of KR101585150B1 publication Critical patent/KR101585150B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Psychiatry (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • Neurosurgery (AREA)
  • Neurology (AREA)
  • Psychology (AREA)
  • Dermatology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 발명에 따른 뇌-기계 인터페이스 장치는 사용자 뇌파를 획득하기 위한 뇌파 획득부와, 상기 뇌파 획득부에 의해 획득된 사용자 뇌파를 분석하기 위한 뇌파 분석부와, 상기 뇌파 분석부에 의해 얻어진 분석 결과에 따라 복수의 피조작 장치를 선택적으로 조작하기 위한 조작 제어부를 포함한다. 이를 통하여 사용자가 자의적으로 시스템을 온/오프 시키고 조작 모드를 선택하여 사용할 수 있다.

Description

뇌 연결성에 기반한 멀티모드 뇌-컴퓨터 인터페이스 시스템{multi-mode brain-computer interface system based on brain connectivity}
본 발명은 뇌-기계 인터페이스 장치 및 방법에 관한 것으로서, 보다 구체적으로는 사용자의 다양한 상태를 반영하여 실생활에 적용될 수 있는 뇌-기계 인터페이스 장치 및 방법에 관한 것이다.
뇌-기계 인터페이스(BMI; Brain-Machine Interface) 또는 뇌-컴퓨터 인터페이스(BCI; Brain-Computer Interface)는 사용자의 생각만으로 기계나 컴퓨터를 제어하는 기술을 말한다. 최근 각 연구기관에서 BMI 또는 BCI 기술의 중요성과 파급성을 인식하고 많은 투자를 하고 있는 이유는, BMI 또는 BCI 기술을 통해 몸을 전혀 움직이지 못하는 전신 마비환자도 자신의 의사를 표현하거나 물건을 집어 옮기거나 이동수단을 제어할 수 있으므로, 그 활용성과 의미가 매우 필요하고 가치 있기 때문이다.
BMI 또는 BCI 기술은 일반인에게도 매우 유용하고 이상적인 유저 인터페이스(UI; User Inferface) 기술로서 활용 가능한데, 텔레비전의 채널을 바꾸거나 에어컨의 온도를 조절하고 음악 볼륨을 조절하는 등 모든 전자기기 제어에 활용될 수 있다.
또한, 게임기와 같은 엔터테인먼트 분야, 군사용 또는 움직이기 어려운 노약자들에게도 적용될 수 있으므로, 이 기술의 사회적, 경제적 파급효과는 매우 크다.
BMI 또는 BCI 기술을 구현하는 방법에는 여러 가지 방법이 사용될 수 있다. BMI 또는 BCI 기술 연구 초창기에 사용되었던 방법으로서 느린 피질전압(Slow Cortical Potentials) 방법은, 주의나 집중에 의해 뇌파의 전위가 음이 되는 현상과 그렇지 않을 때 전위가 양의 값을 갖는 현상을 이용하여 상하(Top/Bottom) 구별과 같은 1차원 작업에서 전위가 느리게 양이나 음의 값을 갖게 되는 현상을 이용하였다. 느린 피질전압 방법은 그 당시에는 생각으로 컴퓨터를 제어할 수 있는 획기적 방법이었으나 반응이 느리고 고차원 구분이 불가능하기 때문에 현재는 거의 사용되고 있지 않다.
BMI 또는 BCI 기술은 뇌파를 이용한 전동 휠체어 제어, 로봇 팔 제어, 자판입력과 같이 다양한 분야에 적용되기 위해 연구 개발이 이루어져왔다. 전동 휠체어의 경우 주로 감각운동파(SMR; Sensorimotor Rhythms)를 이용하여 개발되었는데, 감각운동파(SMR)를 이용하는 BMI 또는 BCI 기술은 일차 운동피질(Primary motor cortex)에서 좌우 손/발 움직임 상상에 따라 μ파(8-12Hz)나 β파(13-30Hz)가 증가하거나 감소하는 현상을 이용하며, 일반적으로 왼쪽/오른쪽, 상/하, 또는 좌/우 두 가지 경우를 구분하기 위해 사용되며, 인식률도 제한된 실험실 환경에서 이루어져 왔기 때문에 복합적인 실생활에 적용되기에는 한계가 있다.
자판입력의 경우 주로 진동 뇌파인 SSVEP(Steady-State Visual Evoked Potential)를 이용하여 개발되었는데, SSVEP를 이용하는 BMI 또는 BCI 기술은 우리가 깜빡이는 자극을 보고 있으면, 그 깜빡이는 주파수와 동일한 주파수를 가진 뇌파가 후두엽의 시각피질에서 물리적으로 유도되는 현상을 이용하며, 이렇게 깜빡이는 시각자극으로 유도되는 자극과 동일한 주파수를 가지게 된다.
로봇 팔 제어의 경우 주로 방향 튜닝(Directional Tuning)을 이용하여 개발되었는데, 방향 튜닝을 이용한 BMI 또는 BCI 기술은 팔의 움직임 방향에 따라 운동피질의 뉴런들의 신호발생 빈도(firing rate)이 달라지는 현상에 기반하여 운동피질 활성화에 따라 움직임 방향이나 경로를 추정하는 방법이다.
이처럼 다양한 기능의 BMI 또는 BCI 기술이 개발이 되었지만 각기 다른 기술을 통해 개발되었기 때문에 따로 쓰여졌다. BMI 또는 BCI 기술 개발의 목표 중 가장 중요한 하나는 몸이 불편한 장애인들의 자의적 생활이 가능하도록 하는 것이다. 실제로 장애인들이 자의적 생활을 하기 위해서는 특정 기능만을 수행하는 BMI 또는 BCI만으로는 부족하며, 장애인의 발이 되어 줄 수 있는 전동휠체어, 손이 되어 줄 수 있는 로봇 팔, 생각을 표현해 줄 수 있는 자판입력 등과 같은 복합 기능이 모두 필요한데, 기존의 BMI 또는 BCI 기술로는 이러한 실생활에 적용 가능한 복합 BMI 또는 BCI 장치가 제공되지 않는다.
또 다른 기존 BMI 또는 BCI의 문제점은 사용자의 상태를 반영한 BMI 또는 BCI 시스템이 아닌, BMI 또는 BCI 시스템의 목적에 사용자의 상태를 맞춰 진행한 것이다. 예를 들어, 기존에는 BMI 또는 BCI 시스템을 작동시키기 위해서는 ON/OFF 조작을 해주는 등 BMI 또는 BCI 시스템 조작자/관리자(주로 실험실의 장비관리자)가 필요했다.
따라서, 사용자(피험자/환자)가 BMI 또는 BCI를 사용할 준비가 되면 조작자/관리자가 BMI 또는 BCI 시스템을 ON시켜주고, 사용자는 해당 BMI 또는 BCI 시스템과 관련된 생각을 함으로써 뇌파를 발생시키고, 실험(사용)이 끝나면 다시 조작자/관리자가 BMI 또는 BCI 시스템을 OFF시킨다. 이러한 기존의 BMI 또는 BCI 시스템은 실생활에서 발생할 수 있는 사용자의 다양한 사용자의 상태를 반영하지 못하며, 사용자(환자)가 스스로 BMI 또는 BCI 장비를 온/오프 시킬 수 없는 많은 경우 BMI 또는 BCI 시스템은 무용지물이 된다는 한계가 있었다.
한국등록특허 제10-0696275호 한국등록특허 제10-1293446호 한국공개특허 제10-2014-0019515호 한국등록특허 제10-1314570호
따라서, 본 발명은 상기와 같은 문제점을 해결하고자 한 것으로서, 사용자의 다양한 상태를 반영하여 실생활에 적용될 수 있는 복합 BMI 또는 BCI 시스템을 제공하는 것이다.
상기와 같은 본 발명이 해결하고자 하는 기술적 과제를 달성하기 위하여, 본 발명의 일실시예에 따른 뇌-기계 인터페이스 장치는 사용자 뇌파를 획득하기 위한 뇌파 획득부와, 상기 뇌파 획득부에 의해 획득된 사용자 뇌파를 분석하기 위한 뇌파 분석부와, 상기 뇌파 분석부에 의해 얻어진 분석 결과에 따라 복수의 피조작 장치를 선택적으로 조작하기 위한 조작 제어부를 포함한다.
바람직하게는, 뇌파 분석부는 상기 사용자 뇌파를 분석하여 상기 조작 제어부 사용 의도 유무를 판단하며, 사용 의도가 있는 상태로 판단되면 상기 조작 제어부를 온(ON)시키고, 사용 의도가 없는 상태로 판단되면 상기 조작 제어부는 오프(OFF) 상태로 유지될 수 있다.
바람직하게는, 조작 제어부 사용 의도 유무 판단은 사용자의 측두엽, 내측 전두엽, 후측 대상피질(posterior cingulate cortex) 및 두정엽에서 연결성이 발생하는 주파수 대역을 평가하여 행해질 수 있다. 주파수 대역이 낮은 경우가 사용 의도가 없는 경우이다.
바람직하게는, 조작 제어부 사용 의도 유무 판단은 사용자의 측두엽, 내측 전두엽, 후측 대상피질(posterior cingulate cortex) 및 두정엽 사이의 연결성을 구하여 각 노드의 연결성 분포 중 하나 이상이 신뢰구간을 벗어나는 경우 사용 의도가 없는 것으로 판단하고 각 노드의 연결성 분포 모두가 신뢰구간 내에 있는 경우 사용 의도가 있는 것으로 판단할 수 있다. 예를 들어, 각 노드의 연결성 분포 중 하나 이상이 95% 신뢰구간을 벗어나면 사용 의도가 없는 경우이다.
바람직하게는, 조작 제어부는 상기 복수의 피조작 장치를 조작하도록 일대일 대응하는 복수의 조작 모드를 가지며, 상기 조작 제어부가 온(ON)되면, 상기 뇌파 분석부는 상기 사용자 뇌파를 분석하여 상기 복수의 피조작 장치 중 어느 것을 조작하고자 하는 의도인지를 판단하여 상기 복수의 조작 모드 중 하나를 선택할 수 있다.
바람직하게는, 복수의 조작 모드는 손운동 대신 장치 조작 모드, 발운동 대신 장치 조작 모드, 사용자 인터페이스(UI; User Interface) 조작 모드 중 둘 이상을 포함할 수 있다. 손운동 대신 장치 조작 모드는 예를 들어 로봇 팔 조작 모드를 포함할 수 있고, 발운동 대신 장치 조작 모드는 예를 들어 전동 휠체어 조작 모드를 포함할 수 있고, 사용자 인터페이스 조작 모드는 예를 들어 자판입력 모드, 마우스 커서 조작 모드, 또는 오디오 또는 비디오 재생 장치 조작 모드를 포함할 수 있다.
복수의 조작 모드가 손운동 대신 장치 조작 모드를 포함하는 경우, 바람직하게는 뇌파 분석부는 상기 사용자 뇌파가 8-12Hz 대역에서 보조 운동 영역(supplementary motor area)과 1차 손감각 영역(primary hand sensory area) 또는 1차 손운동 영역(primary hand motor area) 사이의 연결성 정도를 평가하여 손운동 대신 장치 조작 의도 유무를 판단할 수 있다. 연결성 정도가 강하면 해당 장치 조작 의도가 있는 것이다.
복수의 조작 모드가 발운동 대신 장치 조작 모드를 포함하는 경우, 바람직하게는 뇌파 분석부는 상기 사용자 뇌파가 8-12Hz 대역에서 보조 운동 영역(supplementary motor area)과 1차 발감각 영역(primary foot sensory area) 또는 1차 발운동 영역(primary foot motor area) 사이의 연결성 정도를 평가하여 발운동 대신 장치 조작 의도 유무를 판단할 수 있다. 연결성 정도가 강하면 해당 장치 조작 의도가 있는 것이다.
복수의 조작 모드가 사용자 인터페이스 조작 모드를 포함하는 경우, 바람직하게는 뇌파 분석부는 상기 사용자 뇌파가 75-100Hz 대역에서 브로카 영역, 베르니케 영역, 청각 피질(auditory cortex), 전운동 피질(premotor cortex), 감각운동 피질(Sensorimotor cortex) 중 둘 이상의 연결성 정도를 평가하여 사용자 인터페이스 조작 의도 유무를 판단할 수 있다. 연결성 정도가 강하면 해당 장치 조작 의도가 있는 것이다.
바람직하게는, 뇌파 분석부는 상기 사용자 뇌파를 분석하여 조작 모드별 차별화된 영역 사이의 연결성을 분석하여 각 조작 모드별 사용자의 조작 의도를 확률적으로 판단하고, 이들 조작 모드별 조작 의도 확률을 비교하여 가장 높은 확률을 보이는 조작 모드를 선택할 수 있다.
이때, 복수의 조작 모드 중 하나가 선택되면, 선택된 조작 모드에 따른 뇌-기계 인터페이스 또는 뇌-컴퓨터 인터페이스 알고리듬에 따라 조작 모드가 작동될 수 있다. 예를 들어, 손운동 대신 장치 조작 모드가 선택되면 손운동 대신 장치, 예를 들어 로봇 팔 장치를 제어하기 위한 기계학습, 분류알고리듬과 같은 처리를 거쳐 로봇 팔을 제어할 수 있다.
바람직하게는, 뇌-기계 인터페이스 장치는 뇌파 획득부에 의해 획득된 사용자 뇌파를 전처리하기 위한 뇌파 전처리부를 더 포함하는 것이 좋은데, 이 경우 뇌파 전처리부는 상기 사용자 뇌파를 노이즈 제거 또는 필터링하는 것일 수 있다.
바람직하게는, 노이즈 제거는 근전도(EMG: Electromyography) 또는 안전도(EOG; Electrooculogram) 노이즈를 제거를 위한 독립성분분석법(Independent Component Analysis) 또는 주성분분석법(Principle Component Anaysis)을 포함할 수 있다.
바람직하게는, 필터링은 노치(Notch) 필터를 이용하여 60Hz 전원 노이즈를 제거하는 필터링 또는 대역통과 필터를 이용하여 손/발 운동 조작과 관련된 8-12Hz 대역 신호와 사용자 인터페이스 조작과 관련된 75-100Hz 대역 신호 성분을 추출하는 필터링을 포함할 수 있다.
바람직하게는, 뇌파 획득부는 뇌파 전위 기록법(EEG; Electroencephalography), 뇌파측정법(ECoG; Electrocorticogram) 및 자기뇌파검사법(MEG; Magnetoencephalograpy) 중 어느 하나 이상을 이용하여 사용자 뇌파를 획득하는 것일 수 있다.
본 발명의 다른 실시예에 따른 뇌-기계 인터페이스 방법은 뇌파 획득부를 이용하여 사용자 뇌파를 획득하는 단계와, 뇌파 분석부를 이용하여 상기 뇌파 획득부에 의해 획득된 사용자 뇌파를 분석하는 단계와, 조작 제어부를 이용하여 상기 뇌파 분석부에 의해 얻어진 분석 결과에 따라 복수의 피조작 장치를 선택적으로 조작하는 단계를 포함한다.
이상과 같은 본 발명의 구성에 따르면 종래의 BMI 또는 BCI 기술의 문제점을 해결하며, 사용자의 다양한 상태를 반영하여 실생활에 적용될 수 있는 복합 BMI 또느는 BCI 시스템이 제공된다.
도 1은 본 발명에 따른 뇌-기계 인터페이스 장치의 일실시예를 보여주는 도면.
도 2는 본 발명에 따른 뇌-기계 인터페이스 장치의 조작 모드 선택 원리를 보여주는 도면.
도 3은 본 발명에 따른 뇌-기계 인터페이스 장치의 조작 모드 선택 원리를 보여주는 도면.
도 4는 본 발명에 따른 뇌-기계 인터페이스 장치의 조작 모드 선택 원리를 보여주는 도면.
도 5는 본 발명에 따른 뇌-기계 인터페이스 장치의 조작 모드 선택을 위한 확률 비교의 예를 보여주는 도면.
본 발명의 목적과 기술적 구성 및 그에 따른 작용 효과에 관한 자세한 사항은 본 발명의 명세서에 첨부된 도면에 의거한 이하의 상세한 설명에 의해서 보다 명확하게 이해될 것이다. 첨부된 도면을 참조하여 본 발명에 따른 실시예를 상세하게 설명한다.
본 명세서에서 개시되는 실시예들은 본 발명의 범위를 한정하는 것으로 해석되거나 이용되지 않아야 할 것이다. 이 분야의 통상의 기술자에게 본 명세서의 실시예를 포함한 설명은 다양한 응용을 갖는다는 것이 당연하다. 따라서, 특허청구범위에 의해 한정되지 않는 이상, 임의의 실시예는 본 발명을 보다 잘 설명하기 위한 예시적인 것이며 본 발명의 범위가 실시예들로 한정되는 것을 의도하지 않는다.
도 1을 참조하면, 본 발명의 일실시예에 따른 뇌-기계 인터페이스 장치(100)는 사용자(2)로부터 뇌파를 획득하기 위한 뇌파 획득부(110)와, 뇌파 획득부(110)에 의해 획득된 사용자(2) 뇌파를 전처리하기 위한 뇌파 전처리부(120)와, 전처리된 사용자(2) 뇌파를 분석하기 위한 뇌파 분석부(130)와, 뇌파 분석부에 의해 얻어진 분석 결과에 따라 복수의 피조작 장치(10; 20; 30)를 선택적으로 조작하기 위한 조작 제어부(140)를 포함한다.
뇌파 분석부(130)는 사용자(2) 뇌파를 분석하여 사용자(2)의 조작 제어부(140) 사용 의도 유무를 판단한다. 사용 의도가 있는 상태로 판단되면 조작 제어부(140)를 온(ON)시키고, 사용 의도가 없는 상태로 판단되면 조작 제어부(140)는 오프(OFF) 상태로 유지된다.
조작 제어부(140)는 복수의 피조작 장치(10; 20; 30)를 조작하도록 일대일 대응하는 복수의 조작 모드(조작모드 1; 조작모드 2; 조작모드 3)를 가지는데, 조작 제어부(140)가 온(ON) 상태에서, 뇌파 분석부(130)는 사용자(2) 뇌파를 분석하여 복수의 피조작 장치(10; 20; 30) 중 어느 것을 조작하고자 하는 의도인지를 판단하여 복수의 조작 모드(조작모드 1; 조작모드 2; 조작모드 3) 중 하나를 선택한다.
조작모드 1이 선택되면 그에 대응하는 제1 피조작 장치(10)의 조작 시스템이 작동되며, 조작모드 2가 선택되면 그에 대응하는 제2 피조작 장치(20)의 조작 시스템이 작동하며, 조작모드 3이 선택되면 그에 대응하는 제3 피조작 장치(30)의 조작 시스템이 작동한다.
도 1에 도시된 예에서, 제1 피조작 장치(10)는 로봇 팔이며, 제2 피조작 장치(20)는 전동 휠체어이며, 제3 피조작 장치(30)는 컴퓨터 등에서의 사용자 인터페이스이다. 따라서, 사용자(2)가 조작 제어부(140)를 사용할 의도를 가지는 것으로 판단되면 조작 제어부(140)가 온(ON)되고, 사용자(2)의 의도가 제1 피조작 장치(10)인 로봇 팔을 조작하고자 하는 것이면 사용자(2)의 조작 뇌파에 따라 로봇 팔이 조작되는 조작모드 1이 작동된다.
뇌파 획득부(110)는 사용자(2)의 상태를 즉각적으로 반영할 수 있는 BMI 또는 BCI 시스템을 구현하기 위해 시간해상도가 좋은 뇌파 측정 방법을 사용하는 것이 좋다. 그러한 예로는 뇌파 전위 기록법(EEG; Electroencephalography), 뇌파측정법(ECoG; Electrocorticogram) 및 자기뇌파검사법(MEG; Magnetoencephalograpy) 등이 있다.
본 명세서에서 사용되는 용어 "뇌파"는 사용자의 뇌의 활성화 및 상태에 따라 변화되는 전기적 또는 자기적 신호들을 의미한다. 뇌파는 뇌전도(EEG (Electroencephalogram), 피질전도(ECoG; Electrocorticogram), 또는 뇌자도(MEG; Magnetoencephalogram) 등을 포함하는 포괄적인 개념이다.
뇌전도는 사람 또는 동물의 대뇌에 일어나는 전위변동, 또는 그것에 의하여 일어나는 뇌전류(brain current)를 두피(頭皮) 상에서 유도하여 기록한 전기 기록 신호를 의미한다. 뇌자도는 SQUID 센서 등으로 뇌신경세포의 전기적 활동에서 발생하는 미세한 생체 자기를 측정하여 기록한 신호를 의미한다. 피질전도는 대뇌에 일어나는 전위변동, 또는 그것에 의하여 일어나는 뇌전류(brain current)를 대뇌 피질(Cerebral Cortex)의 표면으로부터 전극을 심어 직접 측정하여 기록한 전기 기록 신호를 의미한다. 뇌파 측정에는 근적외선 분광기(NIRS; Near-infrared spectroscopy) 등이 사용될 수도 있다.
사용자(2)의 뇌파가 획득되면, 해당 뇌파 신호에 디지털 변환, 잡음 처리 등의 전처리를 수행하고, 미리 설정된 특징벡터(Feature Vector)를 추출한 후에, 이 특징 벡터를 이용하여 회귀(Regression), 인공 신경망(Artificial Neural Network) 등의 인공 지능(Artificial Intelligence) 기법을 적용하여 사용자가 의도하는 작동 정보를 추출하고, 조작 의도 정보를 포함하여 변환 뇌파 신호로 변환될 수 있다.
뇌파 전처리부(120)는 뇌파 획득부(110)으로부터 획득된 사용자(2) 뇌파를 전처리하는데, 뇌파 전처리는 노이즈 제거 또는 필터링을 포함할 수 있다.
뇌파 전처리부(120)에서의 노이즈 제거는 근전도(EMG: Electromyography) 또는 안전도(EOG; Electrooculogram) 노이즈를 제거를 위한 독립성분분석법(Independent Component Analysis) 또는 주성분분석법(Principle Component Anaysis)을 이용할 수 있다.
뇌파 전처리부(120)에서의 필터링은 노치(Notch) 필터를 이용하여 60Hz 전원 노이즈를 제거하는 필터링 또는 대역통과 필터를 이용하여 손/발 운동 조작과 관련된 8-12Hz 대역 신호와 사용자 인터페이스 조작(언어 활동)과 관련된 75-100Hz 대역 신호 성분을 추출하는 필터링을 포함할 수 있다.
뇌파 분석부(130)는 사용자(2) 뇌파를 분석하여 사용자(2)의 조작 제어부(140) 사용 의도 유무를 판단한다. 사용 의도가 있는 상태로 판단되면 조작 제어부(140)를 온(ON)시키고, 사용 의도가 없는 상태로 판단되면 조작 제어부(140)는 오프(OFF) 상태로 유지된다.
사용자 스스로 BMI 또는 BCI 시스템을 ON/OFF 하기 위한 방법으로 디폴트 모드 네트워크(DMN; Default Mode Network)가 포함될 수 있다. 디폴트 모드(Default mode)는 뇌를 활성화시켜 어떠한 일을 할 때에 비하여 거의 에너지를 소비하지 않는 휴식상태를 말하며, 휴식상태의 뇌 연결성(brain connectivity)은 어떠한 일을 수행할 때의 뇌 연결성과 구분되는 패턴을 보인다. 이를 이용하여 사용자가 BMI 또는 BCI 시스템을 이용하고자 할 경우 사용하고자 하는 BMI 또는 BCI 시스템을 이용하는 생각을 하고, BMI 또는 BCI 시스템을 이용하지 않고자 할 경우 아무 생각을 하지 않음으로써 휴식상태의 뇌 연결성인 DMN을 이용하여 BCI 시스템 ON/OFF를 사용자 스스로 동작시킬 수 있다.
이러한 원리를 이용하여, 조작 제어부(140) 사용 의도 유무 판단은 사용자(2)의 측두엽, 내측 전두엽, 후측 대상피질(posterior cingulate cortex) 및 두정엽에서 연결성(connectivity)이 발생하는 주파수 대역을 평가하여 행해질 수 있다. 주파수 대역이 낮은 경우가 사용 의도가 없는 경우이다.
조작 제어부(140) 사용 의도 유무 판단은 사용자(2)의 측두엽, 내측 전두엽, 후측 대상피질(posterior cingulate cortex) 및 두정엽 사이의 연결성을 구하여 각 노드의 연결성 분포 중 하나 이상이 신뢰구간을 벗어나는 경우 사용 의도가 없는 것으로 판단하고 각 노드의 연결성 분포 모두가 신뢰구간 내에 있는 경우 사용 의도가 있는 것으로 판단할 수 있다. 예를 들어, 각 노드의 연결성 분포 중 하나 이상이 95% 신뢰구간을 벗어나면 사용 의도가 없는 경우이다.
조작 제어부(140)는 복수의 피조작 장치(10; 20; 30)를 조작하도록 일대일 대응하는 복수의 조작 모드(조작모드 1; 조작모드 2; 조작모드 3)를 가지는데, 조작 제어부(140)가 온(ON) 상태에서, 뇌파 분석부(130)는 사용자(2) 뇌파를 분석하여 복수의 피조작 장치(10; 20; 30) 중 어느 것을 조작하고자 하는 의도인지를 판단하여 복수의 조작 모드(조작모드 1; 조작모드 2; 조작모드 3) 중 하나를 선택한다.
다양한 기능을 가진 복합 BMI 또는 BCI 시스템을 사용자 스스로 선택적으로 사용하기 위한 방법으로 뇌 네트워크 분석(Brain Network Analysis)을 이용한 모드 선택이 될 수 있다. 예를 들어, 손,발을 움직이는 상상을 할 때 나타나는 뇌 연결성과 말하는 상상을 할 때 나타나는 뇌 연결성이 다르기 때문에, 각각의 특징적 패턴을 찾아 사용자의 상태를 반영하여 여러 기능을 가진 BMI 또는 BCI 시스템 중 선택하여 작동시킬 수 있다. 이를 통해 다양한 기능을 가진 복합 BMI 또는 BCI 시스템을 사용자 상태를 반영하여 사용자 자의적으로 복합 BCI 시스템을 선택하여 작동시킬 수 있다.
도 1에 도시된 예에서, 복수의 조작 모드에 의해 선택적으로 조작되는 피조작 장치(10; 20; 30)는 손운동 대신 장치(10), 발운동 대신 장치(20), 사용자 인터페이스(UI; User Interface)(30)이다. 물론, 이러한 도시된 예에 한정되지 않고, 다양한 사용자 의도를 반영하여 조작될 수 있는 다양한 장치를 통하여 본 발명이 구현될 수도 있다.
손운동 대신 장치(10) 조작 모드(조작모드 1)는 예를 들어 도시된 바와 같이 로봇 팔 조작 모드를 포함할 수 있고, 발운동 대신 장치(20) 조작 모드(조작모드 2)는 예를 들어 도시된 바와 같이 전동 휠체어 조작 모드를 포함할 수 있고, 사용자 인터페이스(30) 조작 모드(조작모드 3)는 예를 들어 도시된 바와 같이 자판입력 또는 마우스 커서를 조작하는 것일 수도 있고, 오디오 또는 비디오 재생 장치를 조작하는 것일 수도 있다.
손운동 대신 장치(10) 조작 모드(조작모드 1)를 사용하고자 하는 의도를 판단하기 위해서, 뇌파 분석부(130)는 사용자(2) 뇌파가 8-12Hz 대역에서 보조 운동 영역(supplementary motor area)과 1차 손감각 영역(primary hand sensory area) 또는 1차 손운동 영역(primary hand motor area) 사이의 연결성 정도를 평가하여 손운동 대신 장치(10) 조작 의도 유무를 판단할 수 있다. 연결성 정도가 강하면 해당 장치 조작 의도가 있는 것이다.
발운동 대신 장치(20) 조작 모드(조작모드 2)를 사용하고자 하는 의도를 판단하기 위해서, 뇌파 분석부(130)는 사용자(2) 뇌파가 8-12Hz 대역에서 보조 운동 영역(supplementary motor area)과 1차 발감각 영역(primary foot sensory area) 또는 1차 발운동 영역(primary foot motor area) 사이의 연결성 정도를 평가하여 발운동 대신 장치(20) 조작 의도 유무를 판단할 수 있다. 연결성 정도가 강하면 해당 장치 조작 의도가 있는 것이다.
사용자 인터페이스(30) 조작 모드(조작모드 3)를 사용하고자 하는 의도를 판단하기 위해, 뇌파 분석부(130)는 사용자(2) 뇌파가 75-100Hz 대역에서 브로카 영역, 베르니케 영역, 청각 피질(auditory cortex), 전운동 피질(premotor cortex), 감각운동 피질(Sensorimotor cortex) 사이의 연결성 정도를 평가하여 사용자 인터페이스(30) 조작 의도 유무를 판단할 수 있다. 이들 영역은 언어활동과 긴밀한 관계를 갖는다. 연결성 정도가 강하면 해당 장치 조작 의도가 있는 것이다.
도 2 내지 도 4에는 운동, 언어, 휴식 상태의 주요 뇌 연결 영역이 예시되어 있다.
뇌파 분석부(130)는 사용자(2) 뇌파를 분석하여 조작 모드별 차별화된 영역 사이의 연결성을 분석하여 각 조작 모드별 사용자의 조작 의도를 확률적으로 판단하고, 이들 조작 모드별 조작 의도 확률을 비교하여 가장 높은 확률을 보이는 조작 모드를 선택할 수 있다.
도 5는 조작 모드별 조작 의도 확률을 비교하여 가장 높은 확률을 보이는 조작 모드를 선택하는 예를 도시한다.
복수의 조작 모드 중 하나가 선택되면, 선택된 조작 모드에 따른 뇌-기계 인터페이스 또는 뇌-컴퓨터 인터페이스 알고리듬에 따라 조작 모드가 작동된다. 예를 들어, 손운동 대신 장치(10) 조작 모드(조작모드 1)가 선택되면 손운동 대신 장치(10), 예를 들어 로봇 팔 장치를 제어하기 위한 기계학습, 분류알고리듬과 같은 처리를 거쳐 로봇 팔을 제어할 수 있다.
본 발명의 다른 실시예에 따른 뇌-기계 인터페이스 방법은 뇌파 획득부(110)를 이용하여 사용자 뇌파를 획득하는 단계와, 뇌파 분석부(130)를 이용하여 상기 뇌파 획득부(110)에 의해 획득된 사용자 뇌파를 분석하는 단계와, 조작 제어부(140)를 이용하여 상기 뇌파 분석부(130)에 의해 얻어진 분석 결과에 따라 복수의 피조작 장치(10; 20; 30)를 선택적으로 조작하는 단계를 포함한다.
2: 사용자
10: 손운동 대신 장치
20: 발운동 대신 장치
30: 사용자 인터페이스
100: 뇌-기계 인터페이스 장치
110: 뇌파 획득부
120: 뇌파 전처리부
130: 뇌파 분석부
140: 조작 제어부

Claims (17)

  1. 사용자의 뇌파를 이용하여 복수의 피조작 장치를 조작하기 위한 뇌-기계 인터페이스 장치에 있어서,
    사용자 뇌파를 획득하기 위한 뇌파 획득부와, 상기 뇌파 획득부에 의해 획득된 사용자 뇌파를 분석하기 위한 뇌파 분석부와, 상기 뇌파 분석부에 의해 얻어진 분석 결과에 따라 복수의 피조작 장치를 선택적으로 조작하기 위한 조작 제어부를 포함하며,
    상기 조작 제어부 사용 의도 유무 판단은 사용자의 측두엽, 내측 전두엽, 후측 대상피질(posterior cingulate cortex) 및 두정엽 사이의 연결성을 구하여 각 노드의 연결성 분포 중 하나 이상이 신뢰구간을 벗어나는 경우 사용 의도가 없는 것으로 판단하고 각 노드의 연결성 분포 모두가 신뢰구간 내에 있는 경우 사용 의도가 있는 것으로 판단하는 것을 포함하는 것인 뇌-기계 인터페이스 장치.
  2. 제1항에 있어서,
    상기 뇌파 분석부는 상기 사용자 뇌파를 분석하여 상기 조작 제어부 사용 의도 유무를 판단하며, 사용 의도가 있는 상태로 판단되면 상기 조작 제어부를 온(ON)시키고, 사용 의도가 없는 상태로 판단되면 상기 조작 제어부는 오프(OFF) 상태로 유지되는 것인 뇌-기계 인터페이스 장치.
  3. 제2항에 있어서,
    상기 조작 제어부 사용 의도 유무 판단은 사용자의 측두엽, 내측 전두엽, 후측 대상피질(posterior cingulate cortex) 및 두정엽에서 연결성이 발생하는 주파수 대역을 평가하는 것을 포함하는 것인 뇌-기계 인터페이스 장치.
  4. 삭제
  5. 제2항에 있어서,
    상기 조작 제어부는 상기 복수의 피조작 장치를 조작하도록 일대일 대응하는 복수의 조작 모드를 가지며,
    상기 조작 제어부가 온(ON)되면, 상기 뇌파 분석부는 상기 사용자 뇌파를 분석하여 상기 복수의 피조작 장치 중 어느 것을 조작하고자 하는 의도인지를 판단하여 상기 복수의 조작 모드 중 하나를 선택하는 것인 뇌-기계 인터페이스 장치.
  6. 제5항에 있어서,
    상기 복수의 조작 모드는 손운동 대신 장치 조작 모드, 발운동 대신 장치 조작 모드, 사용자 인터페이스(UI; User Interface) 조작 모드 중 둘 이상을 포함하는 것인 뇌-기계 인터페이스 장치.
  7. 제6항에 있어서,
    상기 손운동 대신 장치 조작 모드는 로봇 팔 조작 모드를 포함하며,
    상기 발운동 대신 장치 조작 모드는 전동 휠체어 조작 모드를 포함하며,
    상기 사용자 인터페이스 조작 모드는 자판입력 모드, 마우스 커서 조작 모드, 또는 오디오 또는 비디오 재생 장치 조작 모드를 포함하는 것인 뇌-기계 인터페이스 장치.
  8. 제6항에 있어서,
    상기 복수의 조작 모드는 손운동 대신 장치 조작 모드를 포함하며,
    상기 뇌파 분석부는 상기 사용자 뇌파가 8-12Hz 대역에서 보조 운동 영역(supplementary motor area)과 1차 손감각 영역(primary hand sensory area) 또는 1차 손운동 영역(primary hand motor area) 사이의 연결성 정도를 평가하여 손운동 대신 장치 조작 의도 유무를 판단하는 것인 뇌-기계 인터페이스 장치.
  9. 제6항에 있어서,
    상기 복수의 조작 모드는 발운동 대신 장치 조작 모드를 포함하며,
    상기 뇌파 분석부는 상기 사용자 뇌파가 8-12Hz 대역에서 보조 운동 영역(supplementary motor area)과 1차 발감각 영역(primary foot sensory area) 또는 1차 발운동 영역(primary foot motor area) 사이의 연결성 정도를 평가하여 발운동 대신 장치 조작 의도 유무를 판단하는 것인 뇌-기계 인터페이스 장치.
  10. 제6항에 있어서,
    상기 복수의 조작 모드는 사용자 인터페이스 조작 모드를 포함하며,
    상기 뇌파 분석부는 상기 사용자 뇌파가 75-100Hz 대역에서 브로카 영역, 베르니케 영역, 청각 피질(auditory cortex), 전운동 피질(premotor cortex), 감각운동 피질(Sensorimotor cortex) 중 둘 이상의 연결성 정도를 평가하여 사용자 인터페이스 조작 의도 유무를 판단하는 것인 뇌-기계 인터페이스 장치.
  11. 제6항에 있어서,
    상기 뇌파 분석부는 상기 사용자 뇌파를 분석하여 조작 모드별 차별화된 영역 사이의 연결성을 분석하여 각 조작 모드별 사용자의 조작 의도를 확률적으로 판단하고, 이들 조작 모드별 조작 의도 확률을 비교하여 가장 높은 확률을 보이는 조작 모드를 선택하는 것인 뇌-기계 인터페이스 장치.
  12. 제6항에 있어서,
    상기 복수의 조작 모드 중 하나가 선택되면, 선택된 조작 모드에 따른 뇌-기계 인터페이스 또는 뇌-컴퓨터 인터페이스 알고리듬에 따라 조작 모드가 작동되는 것인 뇌-기계 인터페이스 장치.
  13. 제1항에 있어서,
    상기 뇌파 획득부에 의해 획득된 사용자 뇌파를 전처리하기 위한 뇌파 전처리부를 더 포함하며,
    상기 뇌파 전처리부는 상기 사용자 뇌파를 노이즈 제거 또는 필터링하는 것인 뇌-기계 인터페이스 장치.
  14. 제13항에 있어서,
    상기 노이즈 제거는 근전도(EMG: Electromyography) 또는 안전도(EOG; Electrooculogram) 노이즈를 제거를 위한 독립성분분석법(Independent Component Analysis) 또는 주성분분석법(Principle Component Anaysis)을 포함하는 것인 뇌-기계 인터페이스 장치.
  15. 제13항에 있어서,
    상기 필터링은 노치(Notch) 필터를 이용하여 60Hz 전원 노이즈를 제거하는 필터링 또는 대역통과 필터를 이용하여 손/발 운동 조작과 관련된 8-12Hz 대역 신호와 사용자 인터페이스 조작과 관련된 75-100Hz 대역 신호 성분을 추출하는 필터링을 포함하는 것인 뇌-기계 인터페이스 장치.
  16. 제1항에 있어서,
    상기 뇌파 획득부는 뇌파 전위 기록법(EEG; Electroencephalography), 뇌파측정법(ECoG; Electrocorticogram) 및 자기뇌파검사법(MEG; Magnetoencephalograpy) 중 어느 하나 이상을 이용하여 사용자 뇌파를 획득하는 것인 뇌-기계 인터페이스 장치.
  17. 사용자의 뇌파를 이용하여 복수의 피조작 장치를 조작하기 위한 뇌-기계 인터페이스 방법에 있어서,
    뇌파 획득부를 이용하여 사용자 뇌파를 획득하는 단계와, 뇌파 분석부를 이용하여 상기 뇌파 획득부에 의해 획득된 사용자 뇌파를 분석하는 단계와, 조작 제어부를 이용하여 상기 뇌파 분석부에 의해 얻어진 분석 결과에 따라 복수의 피조작 장치를 선택적으로 조작하는 단계를 포함하며,
    상기 조작 제어부 사용 의도 유무 판단은 사용자의 측두엽, 내측 전두엽, 후측 대상피질(posterior cingulate cortex) 및 두정엽 사이의 연결성을 구하여 각 노드의 연결성 분포 중 하나 이상이 신뢰구간을 벗어나는 경우 사용 의도가 없는 것으로 판단하고 각 노드의 연결성 분포 모두가 신뢰구간 내에 있는 경우 사용 의도가 있는 것으로 판단하는 것을 포함하는 뇌-기계 인터페이스 방법.
KR1020140128377A 2014-09-25 2014-09-25 뇌 연결성에 기반한 멀티모드 뇌-컴퓨터 인터페이스 시스템 KR101585150B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020140128377A KR101585150B1 (ko) 2014-09-25 2014-09-25 뇌 연결성에 기반한 멀티모드 뇌-컴퓨터 인터페이스 시스템
JP2015183845A JP6067808B2 (ja) 2014-09-25 2015-09-17 ブレイン−マシンインタフェース装置および方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140128377A KR101585150B1 (ko) 2014-09-25 2014-09-25 뇌 연결성에 기반한 멀티모드 뇌-컴퓨터 인터페이스 시스템

Publications (1)

Publication Number Publication Date
KR101585150B1 true KR101585150B1 (ko) 2016-01-14

Family

ID=55173136

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140128377A KR101585150B1 (ko) 2014-09-25 2014-09-25 뇌 연결성에 기반한 멀티모드 뇌-컴퓨터 인터페이스 시스템

Country Status (2)

Country Link
JP (1) JP6067808B2 (ko)
KR (1) KR101585150B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108762303A (zh) * 2018-06-07 2018-11-06 重庆邮电大学 一种基于运动想象的便携式脑控无人机系统及控制方法
KR20190135242A (ko) * 2018-05-28 2019-12-06 한국과학기술연구원 입력 지연시간을 보상하는 이동로봇 제어 장치 및 방법
KR20200094542A (ko) * 2019-01-30 2020-08-07 재단법인대구경북과학기술원 뇌-기계 접속 기술 체험용 교육 장치 및 방법
CN112914865A (zh) * 2021-03-22 2021-06-08 华南理工大学 一种基于脑机接口的连续转向控制方法
KR20220052653A (ko) * 2020-10-21 2022-04-28 한국기술교육대학교 산학협력단 뇌파 정보에 기초하여 대상 객체의 동작을 제어하는 뇌-컴퓨터 인터페이스 장치 및 이의 구동 방법
WO2022186580A1 (ko) * 2021-03-02 2022-09-09 삼성전자주식회사 전자 장치 및 그 제어 방법

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3463062A4 (en) * 2016-06-07 2020-02-19 Neurosteer Ltd. SYSTEMS AND METHODS FOR CEREBRAL ACTIVITY ANALYSIS AND APPLICATIONS THEREOF
CN106406297A (zh) * 2016-08-03 2017-02-15 哈尔滨工程大学 一种基于无线脑电控制履带式移动机器人的控制系统
WO2019235458A1 (ja) * 2018-06-04 2019-12-12 国立大学法人大阪大学 想起画像推定装置、想起画像推定方法、制御プログラム、記録媒体
KR102096565B1 (ko) * 2018-11-08 2020-04-02 광운대학교 산학협력단 움직임 상상 뇌신호 인식을 위한 웨이블릿 변환 기반의 컨볼루션 신경망 분석 방법
JP7254345B2 (ja) 2019-08-26 2023-04-10 株式会社Agama-X 情報処理装置及びプログラム
JP7303544B2 (ja) 2019-09-06 2023-07-05 株式会社Agama-X 情報処理装置、プログラム、及び方法
JP2021089635A (ja) 2019-12-05 2021-06-10 富士フイルムビジネスイノベーション株式会社 情報処理装置及びプログラム
JP7325101B2 (ja) 2019-12-05 2023-08-14 株式会社Agama-X 情報処理装置及びプログラム
JP7429416B2 (ja) 2019-12-05 2024-02-08 株式会社Agama-X 情報処理装置及びプログラム
CN112008725B (zh) * 2020-08-27 2022-05-31 北京理工大学 一种人机融合脑控机器人系统
JP2022059140A (ja) 2020-10-01 2022-04-13 株式会社Agama-X 情報処理装置及びプログラム
US11769595B2 (en) 2020-10-01 2023-09-26 Agama-X Co., Ltd. Information processing apparatus and non-transitory computer readable medium

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1248426A (zh) * 1999-10-29 2000-03-29 清华大学 基于脑电稳态诱发响应的控制装置
JP2003325467A (ja) * 2002-05-13 2003-11-18 Nagoya Industrial Science Research Inst 意思伝達支援装置、及び意思伝達支援ソフトウエア
US20080177197A1 (en) * 2007-01-22 2008-07-24 Lee Koohyoung Method and apparatus for quantitatively evaluating mental states based on brain wave signal processing system
JP4876988B2 (ja) * 2007-03-13 2012-02-15 日本電気株式会社 ブレイン・コンピュータ・インタフェース装置
CN101558368B (zh) * 2007-03-28 2011-09-07 松下电器产业株式会社 决定脑波识别与否的装置及方法
JP5283065B2 (ja) * 2008-08-26 2013-09-04 学校法人慶應義塾 運動関連電位信号検出システム
JP5531237B2 (ja) * 2009-02-24 2014-06-25 本田技研工業株式会社 脳情報出力装置、ロボット、および脳情報出力方法
JP2010257343A (ja) * 2009-04-27 2010-11-11 Niigata Univ 意思伝達支援装置
JP2011076177A (ja) * 2009-09-29 2011-04-14 Advanced Telecommunication Research Institute International 歯の接触によって誘発された脳波を利用した機器制御方法及び機器制御装置
JP5951504B2 (ja) * 2010-01-18 2016-07-13 エルミンダ エルティーディー．Ｅｌｍｉｎｄａ Ｌｔｄ． 神経生理学的データの重み付き分析のための方法およびシステム
JP5467267B2 (ja) * 2010-03-05 2014-04-09 国立大学法人大阪大学 機器制御装置、機器システム、機器制御方法、機器制御プログラム、および記録媒体
WO2012044261A1 (en) * 2010-09-29 2012-04-05 The Office Of National Telecommunications Commission System and method for ssvep based control of electrical devices
KR101238780B1 (ko) * 2011-03-03 2013-03-04 서울대학교산학협력단 준비전위기반 뇌-컴퓨터 인터페이스 장치 및 방법
EP2718864A4 (en) * 2011-06-09 2016-06-29 Univ Wake Forest Health Sciences AGENT-BASED BRAIN MODEL AND RELATED METHODS
KR101314570B1 (ko) * 2011-10-12 2013-10-07 서울대학교산학협력단 정밀한 제어를 위한 뇌-기계 인터페이스 장치 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
김경환. 사건관련뇌전위의 정량적특성과 기능적연결성 패턴 분석을 통한 작업난이도 관련 대뇌정보처리 규명 및 뇌-기계인터페이스 응용. 교육과학기술부 기초연구사업 일반연구자지원사업 최종보고서(2010.04.) 1부.*

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190135242A (ko) * 2018-05-28 2019-12-06 한국과학기술연구원 입력 지연시간을 보상하는 이동로봇 제어 장치 및 방법
KR102094863B1 (ko) 2018-05-28 2020-03-30 한국과학기술연구원 입력 지연시간을 보상하는 이동로봇 제어 장치 및 방법
US10845798B2 (en) 2018-05-28 2020-11-24 Korea Institute Of Science And Technology Mobile robot control apparatus and method for compensating input delay time
CN108762303A (zh) * 2018-06-07 2018-11-06 重庆邮电大学 一种基于运动想象的便携式脑控无人机系统及控制方法
KR20200094542A (ko) * 2019-01-30 2020-08-07 재단법인대구경북과학기술원 뇌-기계 접속 기술 체험용 교육 장치 및 방법
KR102190458B1 (ko) 2019-01-30 2020-12-11 재단법인대구경북과학기술원 뇌-기계 접속 기술 체험용 교육 장치 및 방법
KR20220052653A (ko) * 2020-10-21 2022-04-28 한국기술교육대학교 산학협력단 뇌파 정보에 기초하여 대상 객체의 동작을 제어하는 뇌-컴퓨터 인터페이스 장치 및 이의 구동 방법
KR102512006B1 (ko) * 2020-10-21 2023-03-17 한국기술교육대학교 산학협력단 뇌파 정보에 기초하여 대상 객체의 동작을 제어하는 뇌-컴퓨터 인터페이스 장치 및 이의 구동 방법
WO2022186580A1 (ko) * 2021-03-02 2022-09-09 삼성전자주식회사 전자 장치 및 그 제어 방법
CN112914865A (zh) * 2021-03-22 2021-06-08 华南理工大学 一种基于脑机接口的连续转向控制方法

Also Published As

Publication number Publication date
JP2016067922A (ja) 2016-05-09
JP6067808B2 (ja) 2017-01-25

Similar Documents

Publication Publication Date Title
KR101585150B1 (ko) 뇌 연결성에 기반한 멀티모드 뇌-컴퓨터 인터페이스 시스템
Rao et al. Brain-computer interfacing [in the spotlight]
Murugappan et al. Inferring of human emotional states using multichannel EEG
Lin et al. A mobile SSVEP-based brain-computer interface for freely moving humans: The robustness of canonical correlation analysis to motion artifacts
Rahman et al. A review on the components of EEG-based motor imagery classification with quantitative comparison
Prueckl et al. A brain-computer interface based on steady state visual evoked potentials for controlling a robot
Giudice et al. 1D Convolutional Neural Network approach to classify voluntary eye blinks in EEG signals for BCI applications
Padmavathi et al. A review on EEG based brain computer interface systems
Kim et al. Decoding electroencephalographic signals for direction in brain-computer interface using echo state network and Gaussian readouts
Ogino et al. An EEG-based robot arm control to express human emotions
Krishnan et al. EEG-based brain-machine interface (BMI) for controlling mobile robots: The trend of prior studies
Hireche et al. A decoding algorithm for non-invasive SSVEP-based drone flight control
Vahdani-Manaf Classification of eye movement signals using electrooculography in order to device controlling
Rajyalakshmi et al. Exploration of recent advances in the field of brain computer interfaces
Devlaminck et al. Brain-Computer Interfaces: from theory to practice.
Alomari et al. Subject-independent eeg-based discrimination between imagined and executed, right and left fists movements
KR102512006B1 (ko) 뇌파 정보에 기초하여 대상 객체의 동작을 제어하는 뇌-컴퓨터 인터페이스 장치 및 이의 구동 방법
Toth et al. Facial expression classification using EEG and gyroscope signals
Arthi et al. Interface and control of appliances by the analysis of electrooculography signals
Das et al. A Review on Algorithms for EEG-Based BCIs
Gaurav et al. Entropy based EEG irregularity quantification in single-channel SSVEP-based BCIS
Hsu et al. Improvement of classification accuracy in a phase-tagged steady-state visual evoked potential-based brain–computer Interface using adaptive neuron-fuzzy classifier
Shah et al. A hybrid training-less brain-machine interface using SSVEP and EMG signal
Matsuno et al. Machine learning using brain computer interface system
Rashid et al. A hybrid environment control system combining EMG and SSVEP signal based on brain-computer interface technology

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190102

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20200102

Year of fee payment: 5