KR102433411B1 - 인지 부하를 고려한 정상상태시각유발전위 분류 방법 - Google Patents

인지 부하를 고려한 정상상태시각유발전위 분류 방법 Download PDF

Info

Publication number
KR102433411B1
KR102433411B1 KR1020200173961A KR20200173961A KR102433411B1 KR 102433411 B1 KR102433411 B1 KR 102433411B1 KR 1020200173961 A KR1020200173961 A KR 1020200173961A KR 20200173961 A KR20200173961 A KR 20200173961A KR 102433411 B1 KR102433411 B1 KR 102433411B1
Authority
KR
South Korea
Prior art keywords
cognitive load
steady
evoked potential
classification
state
Prior art date
Application number
KR1020200173961A
Other languages
English (en)
Other versions
KR20220084472A (ko
Inventor
임창환
박성훈
권진욱
Original Assignee
한양대학교 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 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020200173961A priority Critical patent/KR102433411B1/ko
Publication of KR20220084472A publication Critical patent/KR20220084472A/ko
Application granted granted Critical
Publication of KR102433411B1 publication Critical patent/KR102433411B1/ko

Links

Images

Classifications

    • 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]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A61B5/378—Visual stimuli
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
    • 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]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Psychology (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Dermatology (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Fuzzy Systems (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Nursing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

사용자의 인지 부하가 높은 상태에서도 높은 분류 정확도 특성을 나타내는 정상상태시각유발전위 분류 방법이 개시된다. 개시된 인지 부하를 고려한 정상상태시각유발전위 분류 방법은 사용자의 인지 부하 레벨을 판단하는 단계; 상기 인지 부하 레벨에 따라, 시각 자극의 제공 시간을 결정하는 단계; 상기 제공 시간 동안 상기 시각 자극을 상기 사용자에게 제공하는 단계; 및 상기 시각 자극이 제공되는 동안, 상기 사용자로부터 수집된 정상상태시각유발전위를 상기 시각 자극의 주파수에 따라 분류하는 단계를 포함한다.

Description

인지 부하를 고려한 정상상태시각유발전위 분류 방법{SSVEP CLASSIFICATION METHOD AND BCI SYSTEM USING COGNITIVE LOAD}
본 발명은 정상상태시각유발전위의 분류 방법 및 BCI 시스템에 관한 것으로서, 더욱 상세하게는 사용자의 인지 부하를 고려하여 정상상태시각유발전위를 분류하는 방법 및 BCI 시스템에 관한 것이다.
정상상태시각유발전위(SSVEP: Steady State Visual Evoked Potential)는, 일정한 주파수로 깜빡이는 시각 자극에 눈이 노출되었을 때, 깜빡이는 시각 자극의 주파수에 동기화된 형태로 후두엽에서 관찰되는 뇌파 신호이다.
특정 환자에 대한 정상상태시각유발전위를 시각 자극 주파수에 따라 분류하여, 환자에게 제공된 시각 자극의 주파수를 확인할 수 있기 때문에, 심장마비, 외상 등의 원인으로 지속적 식물인간 상태에 있거나 감금 증후군 상태에 있는 환자 또는 기존의 방법으로 외부와의 의사소통이 불가능한 장애인들을 위한 브레인 컴퓨터 인터페이스(BCI, Brain Computer Interface) 기술에 정상상태시각유발전위가 이용되고 있다.
정상상태시각유발전위를 분류한다는 것은, 정상상태시각유발전위에 대한 시각 자극의 주파수를 검출하는 것을 의미하며, 정상상태시각유발전위를 분류하는 방법으로, Filter Bank Canonical Correlation Analysis (FBCCA), Extension of multivariate synchronization index(EMSI), extended canonical correlation analysis(extended-CCA), Task related Component Analysis (TRCA) 등이 개발되었다.
한편, 정상상태시각유발전위는 환자의 인지 부하에 영향을 받기 때문에, 환자의 인지 부하를 고려하여 정상상태시각유발전위를 분류하는 방법이 연구되고 있다.
관련 선행문헌으로 특허문헌인 일본 등록특허 제6721718호가 있다.
본 발명은, 사용자의 인지 부하가 높은 상태에서도 높은 분류 정확도 특성을 나타내는 정상상태시각유발전위 분류 방법을 제공하기 위한 것이다.
상기한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 사용자의 인지 부하 레벨을 판단하는 단계; 상기 인지 부하 레벨에 따라, 시각 자극의 제공 시간을 결정하는 단계; 상기 제공 시간 동안 상기 시각 자극을 상기 사용자에게 제공하는 단계; 및 상기 시각 자극이 제공되는 동안, 상기 사용자로부터 수집된 정상상태시각유발전위를 상기 시각 자극의 주파수에 따라 분류하는 단계를 포함하는 인지 부하를 고려한 정상상태시각유발전위 분류 방법이 제공된다.
또한 상기한 목적을 달성하기 위한 본 발명의 다른 실시예에 따르면, 사용자의 인지 부하 레벨을 판단하는 단계; 상기 인지 부하 레벨에 따라, 복수의 분류 알고리즘 중 하나를 선택하는 단계; 및 상기 선택된 분류 알고리즘을 이용하여, 시각 자극이 제공되는 동안 상기 사용자로부터 수집된 정상상태시각유발전위를, 상기 시각 자극의 주파수에 따라 분류하는 단계를 포함하는 인지 부하를 고려한 정상상태시각유발전위 분류 방법이 제공된다.
또한 상기한 목적을 달성하기 위한 본 발명의 또 다른 실시예에 따르면, 정상상태시각유발전위 측정 전극; 사용자에게 시각 자극을 제공하는 시각 자극 제공부; 및 사용자의 인지 부하 레벨을 판단하고, 상기 인지 부하 레벨에 따라 상기 시각 자극의 제공 시간을 조절하거나, 복수의 정상상태시각유발전위 분류 알고리즘 중 하나를 선택하는 제어부를 포함하는 브레인 컴퓨터 인터페이스 시스템이 제공된다.
본 발명의 일실시예에 따르면, 사용자의 인지 부하가 높은 상태인 경우, 시각 자극의 제공 시간을 늘리거나, 인지 부하에 강인한 분류 알고리즘을 이용하여 정상상태시각유발전위를 분류함으로써, 정상상태시각유발전위의 분류 정확도를 높일 수 있다.
도 1은 본 발명의 일실시예에 따른 BCI 시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 일실시예에 따른 인지 부하를 고려한 정상상태시각유발전위 분류 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 다른 실시예에 따른 인지 부하를 고려한 정상상태시각유발전위 분류 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 인지 부하를 고려한 정상상태시각유발전위 분류 방법의 분류 성능을 설명하기 위한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
인지 부하(cognitive load)는 학습이나 과제 해결 과정에서의 인지적 요구량을 의미한다. 즉, 뇌에서 특정 정보를 처리하는 과정이 이루어질 경우, 인지 부하가 높아진다.
그리고 이러한 인지 부하가 낮은 상태와 비교하여, 인지 부하가 높은 상태에서 수집된 정상상태시각유발전위에 대한 분류 정확도는 낮아질 수 있다. 다시 말해, 동일한 시각 자극이 사용자에게 제공되더라도, 인지 부하가 낮은 상태에서 수집된 정상상태시각유발전위의 분류 정확도가 더 높을 수 있다.
이에 본 발명은 인지 부하가 높은 상태에서 보다 향상된 정확도를 제공할 수 있는 정상상태시각유발전위 분류 방법 및 BCI 시스템을 제안한다.
본 발명의 일실시예에 따른 정상상태시각유발전위 분류 방법은 프로세서 및 메모리를 포함하는 컴퓨팅 장치에서 수행될 수 있으며, 데스크탑, 노트북, 서버, 모바일 단말, BCI 시스템 등이 컴퓨팅 장치에 포함될 수 있다.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 BCI 시스템을 설명하기 위한 도면이다.
도 1을 참조하면 본 발명의 일실시예에 따른 BCI(브레인 컴퓨터 인터페이스) 시스템은 측정 전극, 시각 자극 제공부 및 제어부를 포함한다.
측정 전극(110)은, 정상상태시각유발전위를 측정하기 위한 전극을 포함하며 실시예에 따라서, 사용자의 인지 부하 지표값을 계산하기 위한 뇌파를 측정하는 전극을 포함할 수 있다.
시각 자극 제공부(120)는 사용자에게 시각 자극을 제공하며, 일실시예로서 디스플레이 장치일 수 있다. 이러한 시각 자극은 미리 설정된 제공 시간 동안 사용자에게 디스플레이되는 형태로 제공되며, 미리 설정된 주파수에 따라서 깜빡이는 패턴의 시각 자극일 수 있다. 시각 자극 주파수가 높아질수록 동일한 구간에서 깜빡거리는 횟수는 증가할 수 있다.
제어부(130)는 사용자의 인지 부하 레벨을 판단하고, 인지 부하 레벨에 따라 시각 자극의 제공 시간을 조절하거나, 복수의 정상상태시각유발전위 분류 알고리즘 중 하나를 선택한다.
인지 부하 레벨은 인지 부하가 높은 상태를 나타내는 고레벨과, 인지 부하가 낮은 상태를 나타내는 저레벨을 포함할 수 있다. 사용자의 인지 부하 레벨은 인지 부하 지표값을 통해 계산될 수 있으며, 인지 부하 지표값은 일실시예로서, 측정 전극(110)을 통해 사용자로부터 수집된 세타파와 알파파를 이용하여 계산될 수 있다. 인지 부하 지표값은 알파파의 크기에 대한 세타파의 크기의 비율로 계산될 수 있으며, 알파파 및 세타파의 크기는 측정 동안 지속적으로 가변되기 때문에, 미리 설정된 측정 구간에서의 알파파 및 세타파의 크기의 평균값으로부터 인지 부하 지표값이 계산될 수 있다.
제어부(130)는 인지 부하 지표값과 미리 설정된 임계값을 비교하여 인지 부하 레벨을 판단할 수 있다. 제어부(130)는 인지 부하 지표값이 임계값보다 크면 사용자의 인지 부하 레벨을 고레벨로 판단하고, 인지 부하 지표값이 임계값보다 작으면 사용자의 인지 부하 레벨을 저레벨로 판단할 수 있다. 임계값은 수학 연산과 같은 특정 작업을 수행하지 않는 상태에서 계산된 인지 부하 지표값으로부터 도출될 수 있다.
제어부(130)는 일실시예로서 사용자의 인지 부하 레벨을 고레벨로 판단한 경우, 시각 자극의 제공 시간을 증가시킬 수 있으며, 또는 복수의 정상상태시각유발전위 분류 알고리즘 중에서 인지 부하에 강인한 알고리즘을 선택하여 사용자에 대한 정상상태시각유발전위를 시각 자극의 주파수에 따라 분류할 수 있다.
실시예에 따라서, 제어부(130)는 인지 부하 레벨에 따라 시각 자극의 제공 시간을 조절하고, 조절된 제공 시간 동안 수집된 정상상태시각유발전위를, 인지 부하 레벨에 따라 선택된 분류 알고리즘을 이용하여 분류할 수 있다.
도 2는 본 발명의 일실시예에 따른 인지 부하를 고려한 정상상태시각유발전위 분류 방법을 설명하기 위한 도면이다.
도 2를 참조하면, 본 발명의 일실시예에 따른 컴퓨팅 장치는 사용자의 인지 부하 레벨을 판단(S210)하고, 인지 부하 레벨에 따라, 시각 자극의 제공 시간을 결정(S220)한다.
컴퓨팅 장치는 단계 S210에서 전술된 바와 같이, 사용자로부터 수집된 세타파와 알파파를 이용하여, 인지 부하 지표값을 계산하고, 인지 부하 지표값과 임계값을 비교하여, 인지 부하 레벨을 판단할 수 있다. 컴퓨팅 장치는 시각 자극이 제공되는 동안 수집된 세타파와 알파파를 이용하여, 인지 부하 레벨을 판단하거나 또는 시각 자극이 제공되는 시점으로부터 미리 설정된 시간 이전에, 수집된 세타파와 알파파를 이용하여, 인지 부하 레벨을 판단할 수 있다.
그리고 단계 S220에서 컴퓨팅 장치는, 인지 부하 레벨이 고레벨로 판단된 경우, 인지 부하의 크기에 비례하여 제공 시간을 증가시킬 수 있다. 컴퓨팅 장치는, 인지 부하 레벨이 저레벨로 판단된 경우, 미리 설정된 초기값으로 제공 시간을 결정할 수 있으며, 인지 부하 레벨이 고레벨로 판단된 경우, 제공 시간은, 미리 설정된 초기값으로부터, 인지 부하의 크기에 비례하여 증가될 수 있다.
이 때 컴퓨팅 장치는 일실시예로서, 인지 부하 지표값과 임계값의 차이에 비례하도록 제공 시간을 증가시킬 수 있다. 또는 컴퓨팅 장치는 인지 부하 지표값 중 임계값보다 작은 제1인지 부하 지표값과, 임계값보다 큰 제2인지 부하 지표값의 비율값에 비례하여 제공 시간을 증가시킬 수 있다. 일실시예로서, 제1인지 부하 지표값은, 사용자의 인지 부하가 저레벨인 상태에서 계산된 인지 부하 지표값의 평균값일 수 있다.
예컨대, 제1인지 부하 지표값과 제2인지 부하 지표값의 비율값이 2일 때, 제공 시간이 2초라면, 제1인지 부하 지표값과 제2인지 부하 지표값의 비율값이 4인 경우의 제공 시간은, 4초로 증가될 수 있다. 제 1 및 제2인지 부하 지표값의 비율값과 제공 시간의 비례 관계는 실시예에 따라서 다양하게 결정될 수 있다.
본 발명의 일실시예에 따른 컴퓨팅 장치는 단계 S220에서 결정된 제공 시간 동안 시각 자극을 사용자에게 제공(S230)하며, 시각 자극이 제공되는 동안, 사용자로부터 수집된 정상상태시각유발전위를 시각 자극의 주파수에 따라 분류(S240)한다.
단계 S240에서 컴퓨팅 장치는 다양한 분류 알고리즘을 이용하여 정상상태시각유발전위를 분류할 수 있으며, 일실시예로서, 도 3에서 설명되는 바와 같이 분류 알고리즘을 선택하여 정상상태시각유발전위를 분류할 수 있다.
본 발명의 일실시예에 따르면, 사용자의 인지 부하가 높은 상태인 경우, 시각 자극의 제공 시간을 늘려 정상상태시각유발전위를 수집 및 분류함으로써, 정상상태시각유발전위의 분류 정확도를 높일 수 있다.
도 3은 본 발명의 다른 실시예에 따른 인지 부하를 고려한 정상상태시각유발전위 분류 방법을 설명하기 위한 도면이다.
도 3을 참조하면, 본 발명의 일실시예에 따른 컴퓨팅 장치는 사용자의 인지 부하 레벨을 판단(S310)한다. 컴퓨팅 장치는 전술된 바와 같이 인지 부하 레벨을 판단할 수 있으며, 시각 자극이 제공되는 동안 수집된 세타파와 알파파를 이용하여, 인지 부하 레벨을 판단할 수 있다.
그리고 컴퓨팅 장치는 인지 부하 레벨에 따라, 복수의 분류 알고리즘 중 하나를 선택(S320)한다. 여기서 분류 알고리즘은 제1 및 제2분류 알고리즘을 포함할 수 있으며, 제1분류 알고리즘은, 제2분류 알고리즘보다 낮은 정확도를 나타내며 인지 부하에 강인한 알고리즘이다. 반대로 제2분류 알고리즘은 제1분류 알고리즘보다 정확도는 높지만 제1분류 알고리즘보다 인지 부하에 의한 성능 열화가 심한 알고리즘이다. 일예로서, 제1분류 알고리즘은 EMSI 알고리즘이며, 제2분류 알고리즘은 FBCCA 알고리즘일 수 있다.
단계 S320에서 컴퓨팅 장치는 인지 부하 레벨이 고레벨로 판단된 경우, 제1분류 알고리즘을 선택하며, 인지 부하 레벨이 저레벨로 판단된 경우, 제2분류 알고리즘을 선택한다.
그리고 컴퓨팅 장치는 단계 S320에서 선택된 분류 알고리즘을 이용하여, 시각 자극이 제공되는 동안 사용자로부터 수집된 정상상태시각유발전위를, 시각 자극의 주파수에 따라 분류(S330)한다. 단계 S330에서 컴퓨팅 장치는 일실시예로서, 도 2에서 설명된 바와 같이 결정된 시각 자극의 제공 시간 동안 수집된 사용자로부터 수집된 정상상태시각유발전위를, 시각 자극의 주파수에 따라 분류할 수 있다.
본 발명의 일실시예에 따르면, 사용자의 인지 부하가 높은 상태인 경우, 인지 부하에 강인한 분류 알고리즘을 선택적으로 이용하여 정상상태시각유발전위를 분류함으로써, 정상상태시각유발전위의 분류 정확도를 높일 수 있다.
도 4는 본 발명의 일실시예에 따른 인지 부하를 고려한 정상상태시각유발전위 분류 방법의 분류 성능을 설명하기 위한 도면이다.
도 4에서 본 발명의 일실시예에 따른 분류 결과(Adaptive)는 인지 부하 레벨에 따라 시각 자극의 제공 시간을 조절하고 인지 부하 레벨에 따라 선택된 분류 알고리즘을 이용하여, 정상상태시각유발전위를 분류한 결과이다. 도 4에서 인지 부하 레벨이 고레벨인 상태는, 사용자가 암산을 수행하는 상태에 대응된다.
그리고 도 4에서 Decrease rate는 [수학식 1]과 같이 계산된다. Decrease rate 값이 낮을수록 분류 성능이 우수함을 나타낸다.
Figure 112020135091713-pat00001
여기서, Accuracy(No Task)는 인지 부하 레벨이 저레벨인 상태에서 수집된 정상상태시각유발전위에 대한 분류 결과의 정확도를 나타내며, Accuracy(MA Task)는 인지 부하 레벨이 고레벨인 상태에서 수집된 정상상태시각유발전위에 대한 분류 결과의 정확도를 나타낸다.
특히, 도 4(b)는 암산에 따른 결과가 오답인 경우에 수집된 정상상태시각유발전위에 대한 분류 결과를 나타내며, 인지 부하가 매우 큰 경우 즉 인지 부하 지표값과 임계값의 차이가 매우 큰 경우에 수집된 정상상태시각유발전위에 대한 분류 결과에 대응된다.
도 4에 도시된 바와 같이, 본 발명의 일실시예에 따른 정상상태시각유발전위 분류 방법의 분류 결과가, 가장 높은 분류 정확도를 나타내고, 가장 낮은 Decrease rate 값을 나타내고 있음을 알 수 있다. 특히 인지 부하가 매우 큰 경우, 본 발명의 일실시예에 따른 정상상태시각유발전위 분류 방법의 분류 성능과 기존 분류 알고리즘(FBCCA, EMSI)에 따른 분류 성능의 격차는 더욱 커지는 것을 알 수 있다.
앞서 설명한 기술적 내용들은 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 실시예들을 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. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (10)

  1. 컴퓨팅 장치의 인지 부하를 고려한 정상상태시각유발전위 분류 방법에 있어서,
    사용자의 인지 부하 레벨을 판단하는 단계;
    상기 인지 부하 레벨에 따라, 시각 자극의 제공 시간을 결정하는 단계;
    상기 제공 시간 동안 상기 시각 자극을 상기 사용자에게 제공하는 단계; 및
    상기 시각 자극이 제공되는 동안, 상기 사용자로부터 수집된 정상상태시각유발전위를 상기 시각 자극의 주파수에 따라 분류하는 단계
    를 포함하는 인지 부하를 고려한 정상상태시각유발전위 분류 방법.
  2. 제 1항에 있어서,
    상기 인지 부하 레벨을 판단하는 단계는
    상기 사용자로부터 수집된 세타파와 알파파를 이용하여, 인지 부하 지표값을 계산하는 단계; 및
    상기 인지 부하 지표값과 임계값을 비교하여, 상기 인지 부하 레벨을 판단하는 단계
    를 포함하는 인지 부하를 고려한 정상상태시각유발전위 분류 방법.
  3. 제 2항에 있어서,
    상기 시각 자극의 제공 시간을 결정하는 단계는
    상기 인지 부하 레벨이 고레벨인 경우, 상기 인지 부하 지표값 중 상기 임계값보다 작은 제1인지 부하 지표값과, 상기 임계값보다 큰 제2인지 부하 지표값의 비율값에 비례하여 상기 제공 시간을 증가시키는
    인지 부하를 고려한 정상상태시각유발전위 분류 방법.
  4. 제 1항에 있어서,
    상기 인지 부하 레벨을 판단하는 단계는
    상기 시각 자극이 제공되는 동안 또는 상기 시각 자극이 제공되는 시점으로부터 미리 설정된 시간 이전에, 상기 인지 부하 레벨을 판단하는
    인지 부하를 고려한 정상상태시각유발전위 분류 방법.
  5. 제 1항에 있어서,
    상기 시각 자극의 제공 시간을 결정하는 단계는
    상기 인지 부하 레벨이 고레벨인 경우, 인지 부하의 크기에 비례하여 상기 제공 시간을 증가시키는
    인지 부하를 고려한 정상상태시각유발전위 분류 방법.
  6. 컴퓨팅 장치의 인지 부하를 고려한 정상상태시각유발전위 분류 방법에 있어서,
    사용자의 인지 부하 레벨을 판단하는 단계;
    상기 인지 부하 레벨에 따라, 복수의 분류 알고리즘 중 하나를 선택하는 단계; 및
    상기 선택된 분류 알고리즘을 이용하여, 시각 자극이 제공되는 동안 상기 사용자로부터 수집된 정상상태시각유발전위를, 상기 시각 자극의 주파수에 따라 분류하는 단계
    를 포함하는 인지 부하를 고려한 정상상태시각유발전위 분류 방법.
  7. 제 6항에 있어서,
    상기 분류 알고리즘은, 제1 및 제2분류 알고리즘을 포함하며,
    상기 제1분류 알고리즘은, 상기 제2분류 알고리즘보다 낮은 정확도를 나타내며,
    상기 제2분류 알고리즘은, 상기 제1분류 알고리즘보다 인지 부하에 의한 성능 열화가 큰 알고리즘인
    인지 부하를 고려한 정상상태시각유발전위 분류 방법.
  8. 제 7항에 있어서,
    상기 복수의 분류 알고리즘 중 하나를 선택하는 단계는
    상기 인지 부하 레벨이 고레벨인 경우, 상기 제1분류 알고리즘을 선택하며,
    상기 인지 부하 레벨이 저레벨인 경우, 상기 제2분류 알고리즘을 선택하는
    인지 부하를 고려한 정상상태시각유발전위 분류 방법.
  9. 제 6항에 있어서,
    상기 인지 부하 레벨을 판단하는 단계는
    상기 시각 자극이 제공되는 동안 상기 인지 부하 레벨을 판단하는
    인지 부하를 고려한 정상상태시각유발전위 분류 방법.
  10. 정상상태시각유발전위 측정 전극;
    사용자에게 시각 자극을 제공하는 시각 자극 제공부; 및
    사용자의 인지 부하 레벨을 판단하고, 상기 인지 부하 레벨에 따라 상기 시각 자극의 제공 시간을 조절하거나, 복수의 정상상태시각유발전위 분류 알고리즘 중 하나를 선택하는 제어부
    를 포함하는 브레인 컴퓨터 인터페이스 시스템.
KR1020200173961A 2020-12-14 2020-12-14 인지 부하를 고려한 정상상태시각유발전위 분류 방법 KR102433411B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200173961A KR102433411B1 (ko) 2020-12-14 2020-12-14 인지 부하를 고려한 정상상태시각유발전위 분류 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200173961A KR102433411B1 (ko) 2020-12-14 2020-12-14 인지 부하를 고려한 정상상태시각유발전위 분류 방법

Publications (2)

Publication Number Publication Date
KR20220084472A KR20220084472A (ko) 2022-06-21
KR102433411B1 true KR102433411B1 (ko) 2022-08-16

Family

ID=82221055

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200173961A KR102433411B1 (ko) 2020-12-14 2020-12-14 인지 부하를 고려한 정상상태시각유발전위 분류 방법

Country Status (1)

Country Link
KR (1) KR102433411B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240007492A (ko) 2022-07-08 2024-01-16 에스엘 주식회사 변속 제어 장치
CN118584232A (zh) * 2024-08-06 2024-09-03 青岛鼎信通讯股份有限公司 一种用电设备的识别方法、装置、设备及介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6721718B2 (ja) 2016-06-17 2020-07-15 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 睡眠中の脳活動を監視することなく睡眠必要性消失を判定するシステムおよび方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6721718B2 (ja) 2016-06-17 2020-07-15 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 睡眠中の脳活動を監視することなく睡眠必要性消失を判定するシステムおよび方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
[2015]Filter bank canonical correlation analysis for implementing a high-speed SSVEP BCI
[20180123]SSVEP BCI
[20180215]Mental Workload SSVEP BCI-FBCCA

Also Published As

Publication number Publication date
KR20220084472A (ko) 2022-06-21

Similar Documents

Publication Publication Date Title
US10278608B2 (en) Detection of epileptogenic brains with non-linear analysis of electromagnetic signals
Larsson et al. Detection of fixations and smooth pursuit movements in high-speed eye-tracking data
JP4399515B1 (ja) 脳波信号の識別方法を調整する装置、方法およびプログラム
KR102433411B1 (ko) 인지 부하를 고려한 정상상태시각유발전위 분류 방법
EP3189779A2 (en) Electrocardiogram (ecg) authentication method and apparatus
WO2013114596A1 (ja) 情報処理装置、代表波形生成方法および代表波形生成プログラム
CN101835420A (zh) 用于减少基于eeg的癫痫发作检测器中的通道数目的方法和装置
US9848784B2 (en) Method for determining the physical and/or psychological state of a subject
US11036974B2 (en) Image processing apparatus, image processing method, and storage medium
US20240249554A1 (en) Method and device for determining visual fatigue occurrence section
EP3438686A1 (en) Information processing device, information processing method, and carrier means storing information processing program
JP5831622B2 (ja) 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法
Luyckx et al. Selective integration during sequential sampling in posterior neural signals
KR101973081B1 (ko) 최적의 시각 자극 판별 방법 및 시스템
JP5982910B2 (ja) 解析装置、解析プログラムおよび解析方法
JP7215350B2 (ja) 脳症判定プログラム、脳症判定方法および情報処理装置
JP2019032591A (ja) 計算機システム
Karim et al. Identification of seizure from single channel EEG using Support Vector Machine & Hilbert Vibration Decomposition
CN107898458B (zh) 基于图像先验的单试次脑电p300成分检测方法及装置
EP3925537B1 (en) Method and system for processing an electroencephalogram signal
KR102411687B1 (ko) 정상상태시각유발전위신호에 대한 자극 주파수 검출 방법
RU2751137C1 (ru) Способ определения фазы сна в длительной записи ээг
KR102014707B1 (ko) 안구전도를 이용하는 게임에 대한 갈망 상태 판단 방법 및 장치
EP3985677A1 (en) Data processing method and system using auto-thresholding
JPWO2012056546A1 (ja) 覚醒度判定装置、覚醒度判定方法及び覚醒度判定プログラム

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20201214

PA0201 Request for examination
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20211221

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20220524

PG1501 Laying open of application
GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20220811

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20220811

End annual number: 3

Start annual number: 1

PG1601 Publication of registration