KR20080107961A - 오감 정보 처리기법 및 뇌파를 활용한 사용자 적응형임상진단/치료시스템 - Google Patents

오감 정보 처리기법 및 뇌파를 활용한 사용자 적응형임상진단/치료시스템 Download PDF

Info

Publication number
KR20080107961A
KR20080107961A KR1020070091771A KR20070091771A KR20080107961A KR 20080107961 A KR20080107961 A KR 20080107961A KR 1020070091771 A KR1020070091771 A KR 1020070091771A KR 20070091771 A KR20070091771 A KR 20070091771A KR 20080107961 A KR20080107961 A KR 20080107961A
Authority
KR
South Korea
Prior art keywords
user
eeg
stimulus
signal
diagnosis
Prior art date
Application number
KR1020070091771A
Other languages
English (en)
Inventor
신정훈
Original Assignee
대구가톨릭대학교산학협력단
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 대구가톨릭대학교산학협력단 filed Critical 대구가톨릭대학교산학협력단
Publication of KR20080107961A publication Critical patent/KR20080107961A/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
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
    • 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
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/10—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by input arrangements for converting player-generated signals into game device control signals
    • A63F2300/1037—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by input arrangements for converting player-generated signals into game device control signals being specially adapted for converting control signals received from the game device into a haptic signal, e.g. using force feedback

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)
  • General Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Neurosurgery (AREA)
  • Neurology (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)

Abstract

인간과 컴퓨터 상호작용에 의한 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료시스템에 관한 것으로, 각종의 뇌파 상태를 분석한 데이터를 저장하고 있는 데이터베이스, 검출된 뇌파를 데이터 베이스에 저장된 데이터와 비교하여 진단하는 진단 수단, 진단된 결과에 따라 상기 사용자의 자극의 종류와 강도를 조절하는 신호를 생성하여 제공하는 자극 강도 조절부, 상기 자극 강도 조절부로 부터 제공된 신호에 따라 사용자의 뇌파 상태가 최적이 되도록 오감을 활용한 자극을 제공하는 구동기을 포함하는 것을 특징으로 한다.
상기와 같은 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료시스템을 이용하는 것에 의해, 기존의 BCI 임상 및 게임 관련 분야의 문제점인 “지속적 훈련 유도 실패” 및 “과도한 사용자 집중/ 각성 정도의 조절” 등을 해결할 수 있다.
BCI, 임상, 뇌, 컴퓨터,치료

Description

오감 정보 처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료시스템{User adaptative pattern clinical diagnosis/medical system and method using brain waves and the sense infomation treatment techniques }
본 발명은 오감정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료 시스템에 관한 것으로, 특히 인간의 뇌파를 측정하여 진단을 수행하고 진단 결과에 따라 사람의 오감을 자극하여 치료를 수행하되 컴퓨터와 상호작용에 의해 흥미를 잃지 않고 임상 치료를 수행하는 시스템 및 그 방법에 관한 것이다.
인간의 뇌에 관한 연구는 오랜 시간에 걸쳐 진행 되어져 왔으며, 이러한 결과로 사람의 뇌는 해부학적 관점에서 수많은 뉴런으로 이루어져 있다는 사실이 밝혀졌다.
또한 뉴런의 활동으로 인해 전기적 신호가 발생한다는 사실을 발견하였으며, 이 사실을 기반으로 뇌 기능의 이해 및 응용, 뇌질환의 예방과 치료를 위한 연구가 지속적으로 이루어져왔다.
이와 더불어 기초과학, 공학, 심리학, 의학 등 여러 학문 분야에서도 뇌 연구의 중요성을 깨닫고 뇌 연구의 발전을 위해 다양한 연구가 활발히 진행되어지고 있다. 그중 인간과 컴퓨터 상호작용의 한 분야로 뇌에서 발생하는 신호를 계측하여 원하는 목적에 이용하는 뇌-컴퓨터 인터페이스(BCI : Brain Computer Interface)에 관한 연구가 최근 활발히 진행되고 있다. BCI는 언어나 신체의 동작을 거치지 않고 인간의 생체신호인 뇌파를 매개로 사용자 의사를 직접 시스템에 전달하는 인터페이스이다. 현재 개발 중인 BCI 게임 및 임상 분야의 연구는 도 1에서 나타난 바와 같이 사용자 상태의 변화를 고려하지 않은 단방향적인 분석 및 진단, 게임 제어 등의 형태로 진행되고 있다. 이러한 연구는 궁극적으로 사용자 맞춤형 서비스의 제공이 어려우며 고급화된 사용자 욕구를 충족하기 어려운 실정이다. 또한 사용자의 의지 및 생각만으로 뇌파의 조절을 요구하고 있기에 사용자가 뇌파의 효율적인 조절을 할 수 있을 때까지 많은 시간과 노력을 필요로 한다. 이러한 단방향적인 분석 및 진단 방식은 사용자들이 쉽게 흥미를 잃어 자발적이고 지속적인 사용을 유도하기 어려운 실정이며, 이로 인해 실질적인 효과를 기대하기가 어렵다.
이러한 기술에 관한 일 예가 하기 참고문헌에 기재되어 있다.
[1] 음태완, 김응수, “뇌파기반 뇌-컴퓨터 인터페이스 기술”, 정보과학회지, 제22권 제2호, pp. 5-19, 2004. 2
[2] 최종원, “뇌-컴퓨터 인터페이스(BCI)기술 동향”, 한국특허정보원 조사분석 3팀, 2003. 12
[3] 이현주, “게임 인공지능 기술” 전자통신동향분석, 제20권 제4호, pp. 103.-109, 2005. 8
[4] 곽용태, 석승한, 손일홍, “알츠하이머형 치매와 혈관성 치매의 감별진 단에 있어서 후두엽 뇌파 스펙트럼 형태 분석의 유용성”, 대한신경과학회지, 제18권 제3호, pp. 292-297, 2000. 5
[5] 최승진, 이혜경, 박성철, 김혜진. "통계처리를 이용한 뇌파 패턴 분석에 관한 연구", 한국전자통신연구원, pp. 1-99, 2002. 11
[6] http://www.laxtha.com/
[7] 김종성, 김홍기, 정혁, 김기홍, 임선희, 손욱호, “생체신호 기반 사용자 인터페이스 기술”, 전자통신동향분석, 제20권 제4호, pp. 67-81, 2005. 8
본 발명의 목적은 상술한 바와 같은 문제점을 해결하기 위해 이루어진 것으로서, 사용자 상태 변화를 실시간 감지, 이에 따른 시스템 최적화 과정을 거쳐 사용자 맞춤형 서비스 제공이 가능하게 하는 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료시스템을 제공하는 것이다.
상기 목적을 달성하기 위해 본 발명에 따른 시스템은 사용자 맞춤형 BCI 엔터테이닉 시스템으로서, 각종의 뇌파 상태를 분석한 데이터를 저장하고 있는 데이터베이스, 검출된 뇌파를 데이터 베이스에 저장된 데이터와 비교하여 진단하는 진단 수단, 진단된 결과에 따라 상기 사용자의 자극의 종류와 강도를 조절하는 신호를 생성하여 제공하는 자극 강도 조절부, 상기 자극 강도 조절부로 부터 제공된 신호에 따라 사용자의 뇌파 상태가 최적이 되도록 오감을 활용한 자극을 제공하는 구동기을 포함하는 것을 특징으로 한다. 여기서 BCI 엔터테이닉(Entertainic)은 BCI 게임 분야와 BCI 임상 분야를 결합한 기술을 의미한다.
또한 상기 시스템은 상기 진단 수단의 진달 결과 신호를 제공받아 사용자의 상태에 맞게 게임의 시나리오 및 난이도를 조절하는 PC의 게임 제어기를 더 포함하는 것을 특징으로 한다.
또한 본 발명에 따른 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료방법은 사용자 뇌파 상태를 측정하는 단계, 측정된 뇌파를 각 뇌파 상 태를 분석한 임상 DB의 데이타와 비교하여 진단을 수행하는 단계, 진단 결과에 따라 상기 사용자의 자극 종류 및 강도를 조절하는 신호를 생성하는 단계, 상기 자극 종류 및 강도를 조절하는 신호를 바탕으로 상기 사용자의 뇌파 상태가 최적이 되도록 오감을 활용하는 자극을 제공하는 단계를 포함하는 것을 특징으로 한다.
상술한 바와 같이, 본 발명에 따른 오감 정보정보처리 기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료시스템에 의하면, 전통적인 BCI 관련연구가 가지는 한계점을 극복하기 위하여 BCI 기술의 새로운 연구 방향(BCI Entertainic)을 제시하였다. 본 발명에서 제시된 BCI 엔터테이닉기술은 단방향적인 기존의 연구에서 탈피하여 사용자 상태 변화를 실시간 감지, 이에 따른 시스템 최적화 과정을 거쳐 사용자 맞춤형 서비스 제공이 가능하다. 또한 기존의 BCI 임상 및 게임 관련 분야의 문제점인 “지속적 훈련 유도 실패” 및 “과도한 사용자 집중/ 각성 정도의 조절” 등을 해결하였다.
또, 본 발명에 따른 BCI 엔터테이닉 기술 분야의 지속적인 연구 개발을 통한 새로운 사용자춤형 서비스의 개발은 향후 도래할 유비쿼터스 컴퓨팅 환경의 차세대 사용자 인터페이스 개발을 통한 국내 산업 육성 및 세계적인 기술 우위를 점하기 위한 기반이 되어질 것이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료 장치 및 방법에 대해서 보다 상세히 설명한 다.
도2는 본 발명의 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료 장치를 나타내는 구성도이다.
도2를 참조하면, 본 발명의 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료 장치는 뇌파 검출 장치(210), 각종의 뇌파 상태를 분석한 데이터를 저장하고 있는 데이터 베이스(220), 진단 수단(230), 자극강도조절부(240), 영점 조절부(250), 자극신호 발생부(260), 구동기(280)을 포함한다.
뇌파 검출 장치(210)는 피험자의 두피에 전극 판을 부착한 후 특정 상태의 뇌파를 측정하여 특징점을 추출하고 특징 추출을 거친 뇌파 신호의 패턴을 인식하는 과정을 수행하게 된다. 뇌파는 신호의 세기가 미약하며 잡음이 포함되기 쉬운 특성을 가지고 있다. 따라서 측정된 뇌파는 각종 알고리즘을 사용한 전처리 과정, 특징 추출, 패턴 인식 단계를 거친 후 실질적인 기기 제어 및 문자 입력 등에 사용된다.
뇌파는 측정 시 전극을 부착하는 위치와 방법, 실험 환경, 피험자의 움직임 등에 의하여 잡음이 발생하기 쉬우며, 잡음이 포함된 뇌파는 BCI 시스템에 사용하기 부적절하다. 따라서 효율적인 BCI 시스템을 구성하기 위해서는 전처리 과정을 수행하여 신뢰성 있는 뇌파를 수집하여야 하며 이를 위한 전처리 과정으로는 자기상관함수(Auto Correlation Function), 독립성분분석(ICA : Independent Component Analysis), Band-Pass Filtering, Notch Filtering, 앙상블평균(Ensemble Averaging)등이 있다.
표 1은 주요 전처리 과정의 방법들의 특징을 나타내고 있다.
<표 1> 전처리 과정의 특징 분석
전처리 과정 방법 내용
구간 검출 Auto Correlation Function * 어떤 각의 신호와 다른 시각의 신호 사이의 상관성을 나타내는 것 * 한 신호와 그 신호만큼의 시간 지연을 시킨 신호를 매치시키는 과정
잡음 제거 ICA * 신호에 혼입된 미지의 성분을 각각의 독립된 성분으로 분리 * 추출되어진 뇌파 신호에서 안전도 제거 및 근전도 제거를 위하여 주로 사용
Band Pass Filtering * 뇌파신호의 특정 주파수를 선택하여 분석할 경우 사용 * 의미있는 뇌파 정보를 포함하는 주파수 영역인 0.2∼50Hz 사이의 특정 영역 필터링
Notch Filtering * 데이터 수집시 발생하는 특정 주파수 주위의 아주 좁은 주파수 대역 잡음 제거시 사용 * 주로 장비 전원의 잡음인 60Hz 대역의 잡음 제거
신호원 보강 Ensemble Averaging * 일정한 자극에 대한 하나의 채널, 또는 소수 채널의 반응을 여러번 가산하여 얻은 평균 * 사건유발전위(ERP)와 잡음 분리를 위하여 주로 사용
특징추출은 주어진 입력자료 보다 적은 차원을 가지면서 동시에 자료를 분류하기 위한 특징을 충분히 포함하는 입력신호의 특징을 찾아내는 과정이다. 이러한 특징을 이용하면 분류를 위한 계산량을 감소시킬 수 있을 뿐만 아니라 불필요한 특징을 제거함으로써 분류성능을 향상시킬 수 있다. 많은 특징 추출 기법 중 BCI 분야에서 널리 사용되어지는 특징추출 기법으로 자기회귀모델(AR : Auto Regressive Model), 파워스펙트럼(Power Spectrum), 효쓰파라미터(Hjorth Parameter), 주성분분석(PCA : Principal Component Analysis), 선형판별분석(LDA : Linear Discriminant Analysis)등이 있다. 표2에 주요 특징 추출 기법들을 나타내고 있다.
<표 2> 주요 특징 추출 방법
특징 추출 기법 내용 비고
자기회귀모델 * 시간에 따른 데이터x(t)에 대해 AR 계수를 구하여 특징벡터로 사용 * 자기상관계수는 자기상관 함수로부터 율-워커 방정식 (Yule-Walker equations)을 푸는 것에 의해 추정 * 뇌파를 자기 회귀 모델링하여 AR 모델 계수를 추출 * 추출된 AR 모델 계수를 이용하여 뇌파의 스펙트럼을 구함 * 기존의 FFT 기술을 이용한 스펙트럼보다 전체적으로 스무딩하게 분포되어 스펙트럼의 퍼진 정도와 주파수 영역의 분포 파악이 용이 * 추출된 AR 모델 계수를 이용하면 뇌파 측정뿐만 아니라 다른 분야(동작 인식 등)에도 다양하게 응용가능
파워 스펙트럼 * 주파수에 따른 파워의 변화 관계 * 파워스펙트럼의 크기는 각 주파수 성분이 가지는 파워로 나타냄 * 뇌파의 각 진동성분이 얼마만큼의 비중을 차지하고 있는지를 정량적으로 파악 * 각 영역 마다 파워 값이 시각적으로 표시되어 쉽게 구분
효쓰 파라미터 * 뇌파 패턴의 크기(amplitude), 타임 스케일(time scale), 복잡도(complexity)를 나타내는 세 개의 파라미터로 구성 * activity : 신호의 크기(amplitude)의 표준편차 제곱으로 계산 * mobility : 신호크기의 표준편차와 기울기의 표준편차 비율로 구할 수 있으며 시간당 비율, 즉 평균 주파수를 의미 * complexity : 신호의 급격한 변화 정도를 나타내는 지수
주성분분석 * 다차원 특징 벡터로 이루어진 데이터에 대하여 높은 차원에서의 정보를 유지하면서 낮은 차원으로 차원을 축소시키는 다변량 데이터 처리 방법 * 각 전극에서 측정된 뇌파를 전극 수와 같은 개수의 서로 다른 성분으로 분리함 * ICA로 성분을 분리할 경우, 안전도, 동작 등 뇌 내에서의 발생하는 원천이 다른 성분들을 분류함
선형판별분석 * 클래스간 분산(between-class)과 클래스내 분산(within-class scatter)의 비율을 최대화하는 방식 * 측정된 뇌파 성분을 서로 다른 집단으로 분리함
특징 추출을 거친 뇌파 신호는 실질적인 기기 제어 등을 위한 패턴 인식 과정을 거치게 된다. 패턴인식이란 다양한 감각 기관을 통하여 전달되는 정보를 처리, 분석, 종합하여 미리 정의된 특정 패턴들 중 어떤 패턴에 속하는지 판별하는 기술이다. 이러한 패턴 인식은 인식 대상에 따라 문자 인식, 음성 인식, 얼굴 인식, 생체 인식 등으로 구분되어지며, 생체 인식의 한 분야인 BCI 분야에서 활용되어지는 패턴 인식 기법으로는 은닉마르코프모델(HMM : Hidden Markov Models), Kalman Filter Model, 다층신경회로망(Multi Layer Perceptron)등이 있다. 표3은 주요 패턴 인식 기법들을 나타내고 있다.
<표 3> 생체 인식을 위한 패턴 인식 기법
패턴 인식기법 내용 비고
은닉 마르코프 모델 * 순차적으로 발생하는 신호의 다양한 시간적 변형을 통계적으로 모델링 하는 방법 * 상태라 불리는 노드와 이들간의 전이를 나타내는 성분으로 구성된 그래프로 표현 * 음성인식 및 문자인식 분야에서 활용
Kalman Filter Model * 측정되지 않는 상태 변수를 추정해 내고 추정된 잡음의 영향을 최소화하는 방법 * system equation, measurement equation, kalman filtering 세부분으로 구성 * 목표물 예측, 목표물 추적, 레이더 신호처리 분야에서 활용
다층 신경 회로망 * 간단한 계산을 수행하는 기본 노드를 병렬 연결하여 신경시스템에서와 같은 방법으로 문제를 해결하기 위해 제안된 모형 * 입력층, 은닉층, 출력층의 다층으로 구성 * 영상인식, 음성인식, 문자인식 및 적응제어 분야에서 활용
임상 데이터 베이스부(220)는 정상 사용자군과 임상적인 결함이 있는 사용자군의 뇌파를 측정하여 상호 유의미한 통계적 특징을 수집한 데이터를 저장하고 있다. 비교 대상군은 특정 질환을 가지지 않으며 최근 3개월 사이에 뇌파에 영향을 줄만한 약물을 기준치 이상 복용하였거나 부작용을 보이는 사람은 제외하고 정상군과 특정 환자군의 뇌파를 비교 분석하여 데이터를 구축하였다.
진단수단(230)은 검출된 사용자의 뇌파를 상기 데이터 베이스부의 기준 데이터들과 비교하여 사용자의 뇌파 상태를 진단한다.
과거에는 알츠하이머, 주의력결핍 과다행동장애(ADHD : Attention Deficit Hyperactivity Disorder), 간질 등과 같은 뇌 기능 진단 기준이 명확하지 않아 주로 배제적인 감별에 의하여 진단 할 수밖에 없었고, 또한 뇌 기능 진단 자체가 쉽지 않았을 뿐만 아니라 진단이 되어도 특별한 치료 방법이 없었다. 그러나 최근 BCI 기반기술 연구의 발전으로 뇌파 검사에 대해 정량적 분석이 가능해졌다. 표 4에 주요 임상 진단분야 및 임상 진단을 위한 뇌파분석 기술 분류를 나타내었다.
<표 4> BCI 임상진단 관련 요소 기술
분류 내용
주요 임상 진단 분야 알츠하이머 * 신경전달 물질(아세틸콜린)의 감소로 기억력, 언어기능, 판단력 상실 * 성격 변화와 스스로를 돌보는 능력 상실 * 특징 벡터로는 α파의 서행 또는 소실, 전반적인 θ파의 증가와 δ파의 증가
ADHD * 행동이 부산스러우며, 감정의 기복이 심함 * 소근육 운동 및 집중력이 떨어져 학습장애를 보임 * 특징 벡터로는 전두엽 부위의 θ파가 표준범위 이상으로 증가, 상대적으로 α파와 β파 파워는 감소
간질 * 뇌세포에서의 비정상적인 전기 활동에 의해 발생 * 의식변화, 사지경련, 언어장애, 신체의 이상 감각이 나타남 * 국소성 발작간간질양전위(IEDs : Interictal Epileptiform Discharges)는 부분간질을 시사 * 범발성 IEDs는 전신간질을 의미 * 소발작의 경우 뇌파상 특징적인 3Hz 극서 파 복합이 나타남
임상진단을 위한 뇌파 분석 KL 분해법 (Karhunen Loeve) * 시간적으로 변하는 임의의 함수를 몇 개의 주성분들로 분류 * 분류한 주성분들을 다시 합하면 원래의 함수가 나오도록 하는 방법
Fast Fourier Transform (FFT) * 뇌파를 주파수 영역으로 변환하여 정량적인 분석을 함 * 뇌혈류 변화에 따른 뇌파의 상태 관찰이 쉬움 * FFT를 이용 하여 시간 축에 따른 주파수 분포도로 변환시킴 * 채널에서 실시간으로 동시 비교가능
임상 진단을 위한 DB 구축 비교 대상군 * 특정 질환을 가지지 않으며, 최근 3개월 사이에 뇌파에 영향을 줄 수 있는 약물을 기준치 이상 복용하였거나 부작용을 보이는 사람은 제외 * 정상군과 특정 환자군의 뇌파를 비교 분석하여 데이터를 구축
실험 조건 * 정상 수면을 취한 대상군을 편안히 누운 각성 상태에서 일정시간 동안 눈을 감도록 하되 잠이 들지 못하게 한 채로 뇌파 검사를 시행
자극강도 조절부(240)는 진단된 결과에 따라 상기 사용자의 자극의 종류와 강도를 조절하는 신호를 생성하여 구동기에 제공하는 역할을 수행한다.
구동기(280)은 자극신호 발생부(260)와 영점 조절부(250)를 포함한다. 구동 기는 자극강도 조절부(240)로부터 제공된 신호를 바탕으로 사용자의 뇌파 상태가 최적이 되도록 오감(시.청.촉.후.미각)을 활용한 자극을 사용자에게 제공하여 임상 치료를 수행한다. 여기서 자극 신호 발생부(260)는 뇌파 상태가 최적이 되도록 자극 종류 및 강도 조절 신호에 따라 자극 신호를 발생키시고, 영점조절부(250)는 자극 신호 발생시 오차가 발생하지 않도록 오차를 조절한다. 이러한 상기 절차는 사용자의 건강 상태가 호전될 때까지 반복하여 수행된다. 인간의 뇌는 신체의 상태나 심리상태에 따라 각기 다른 뇌파를 발생시키며, 이러한 뇌파를 통해 뇌의 상태나 각성 정도를 조절할 수 있다. 인간의 뇌는 시각, 청각, 촉각 등의 정보에 동조하는 현상을 보여주고 있으며, 이러한 동조현상은 사용자에게 짧은 시간 안에 집중력을 향상시켜줄 수 있으며, 긴장감과 피로감, 스트레스 및 수면장애, 집중/각성(mindfulness)정도의 조절과 감수성, 감정적/정신적 상태에 몰입 등의 임상적 치료에 활용될 수 있다.
게임 제어부(270)는 진단 수단에서 진단된 결과 신호를 제공받아 사용자의 상태에 맞게 게임의 시나리오 및 난이도를 조절한다. 상기 게임 제어부는 게임 시나리오중 사용자가 알츠하이머의 증상이 있는 경우 α파 생성을 유도하는 시나리오, θ파의 억제를 유도하는 시나리오 및 δ파의 억제를 유도하는 시나리오를 조합하여 사용자에게 제공한다. 사용자는 게임에 집중하여 임무를 완수하기 위한 노력을 뇌파를 활용하여 수행하며, 이러한 결과는 자연스럽게 사용자의 알츠하이머 증상 호전에 기여한다.
상기 게임의 시나리오 및 난이도는 멀티미디어 3D 게임 기법을 적용하여 지 속적으로 사용자 흥미를 유발시키도록 조절한다.
최근 BCI 기술에 대한 연구가 활발히 진행되고 있으며, 그 중 BCI 게임기술이 부각 되고 있는 실정이다. BCI 게임기술은 주로 BCI 기반기술을 활용하여 게임인터페이스를 구현하는 기술로 표 5와 같이 활용되고 있다.
<표 5> BCI 게임을 구현하는 요소 기술
활용기술 방법 내용
인공지능 게임기술 FSM * 유한한 개수의 상태(state)를 이용하여 NPC의 행동 양식을 표현 * 게임 세계를 관리
팀 인공 지능 * 1명의 지위자와 다수의 팀원으로 이루어진 집단의 인공지능을 처리하는 방법
인공 생명 * 살아있는 생명체의 행동이나 행위를 캐릭터에 적용하는 기술
길찾기 * 에이스타 알고리듬을 이용하여 기장 빠른 경로 탐색
LOD AI * 현재 스크린에 보이는 캐릭터의 인공지능은 구체적인 알고리듬을 적용 * 보이지 않는 캐릭터의 인공지능은 보다 단순한 알고리듬을 사용
플로킹 * 분리, 정렬, 응집, 회피, 이동과 같은 원칙들을 적용하여 개체 유닛들의 자연스러운 구현 및 현실감 있는 게임 환경을 제공
BCI 기반기술 바이오 피드백 * 집중력 강화 바이오피드백 -θ파 파워에 대한 SMR과 β파 파워의 비율인 집중력 지표를 강화시킴 * 두뇌 이완 바이오피드백 -α파와 같은 저주파 안정 성분을 강화시키고 High-β파와 같은 고주파 긴장성분을 약화시키는 훈련으로 안정뇌파지표를 강화시킴 * 좌,우뇌 균형 바이오피드백 -좌,우뇌의 활성리듬의 균형을 맞추는 바이오피드백 훈련 -좌뇌에 대한 우뇌의 뇌파 파워비율인 균형 지표를 이용
뉴로 피드백 * 집중력강화 뉴로 피드백 훈련 -전두엽이나 두정엽의 12∼20Hz에 해당하는 집중리듬을 강화시키며, 4∼8Hz에 해당하는 각성저하리듬은 약화시킴 * 두뇌이완 뉴로 피드백 훈련 -전반적인 뇌 부위 8-13Hz에 해당하는 뇌파 고유리듬을 강화시키며, 20∼30Hz에 해당하는 정서적인 불안리듬은 약화시킴 * 좌우뇌균형 뉴로 피드백 훈련 -전두엽에 전극을 부착하고 좌우뇌 뇌파 리듬의 불균형을 해소시킴
도 3은 본 발명에 따른 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료방법에 과한 흐름도이다.
도 3에 나타낸 바와 같이, 사용자 맞춤형 BCI 엔터테이닉시스템을 이용한 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료방법은 뇌파측정 장치로부터 사용자의 뇌파 상태를 측정한다(S301). 측정된 사용자 뇌파 상태를 구축되어진 임상 DB의 데이터와 비교하여 사용자 뇌파 상태를 진단한다(S302). 가령 사용자의 알츠하이머 증상의 변화(α파의 소실 및 θ파의 급격한 증가, δ파의 증가)를 진단한다. 진단 결과 건강 상태가 호전되지 않았다고 판단되면 증상의 악화정도(α파의 소실 및 θ파의 급격한 증가, δ파의 증가)는 동시에 자극강도 조절부 로 전송되어 진다.(S304) 임상 진단 결과 신호를 수신한 자극 강도 조절부는 사용자 상태에 맞는 절적한 사용자 자극 종류 및 강도 조절을 위한 제어 신호를 구동기으로 전송한다.(S305) 자극 종류 및 강도를 조절하는 신호는 사용자의 상태 변화(사용자의 집중/각성 정도)를 고려하여 생성한다. 자극강도 조절부로부터 자극 강도 조절 신호를 전달받은 구동기은 상기 사용자의 뇌파 상태가 최적이 되도록 특정 뇌파는 유발하고 특정 뇌파는 억제하도록 유도하기 위하여 오감을 활용하는 자극을 제공한다.(S306) 가령 알츠하이머 증상의 경우 α파의 생성 , θ파의 억제 및 δ파의 감소를 유도하는 뇌파의 자극 신호를 제공하는 것이다. 구동기로부터 자극을 받은 사용자의 뇌파는 정상 상태를 향하여 수렴하게 되며, 이러한 사용자의 건강상태 변화는 또다시 뇌파 측정 장치를 경유하여 사용자 상태분석 및 진단과정을 거쳐 게임 제어부, 자극강도조절부, 구동기로 입력되어진다.
이와 병행하여 임상 진단 결과 신호를 수신한 사용자 PC 게임 제어부는 임상 진단 결과에 따라 게임시나리오 및 난이도 조절을 수행한다. 일일 건강상태에 따른 가령 알츠하이머 증상의 악화정도(α파의 소실 및 θ파의 급격한 증가, δ파의 증가)는 사용자 PC의 게임 제어부로 전송되어 지며, 게임 제어부는 게임 시나리오중 사용자의 α파 생성을 유도하는 시나리오, θ파의 억제를 유도하는 시나리오 및 δ파의 억제를 유도하는 시나리오를 조합하여 사용자에게 제공한다. 상기 게임의 시나리오 및 난이도는 멀티미디어 3D 게임 기법을 적용하여 지속적으로 사용자 흥미를 유발시키도록 조절된다. 사용자는 게임에 집중하여 임무를 완수하기 위한 노력을 뇌파를 활용하여 수행하며, 이러한 결과는 자연스럽게 사용자의 증상 호전에 기여한다. 이와 같은 과정을 거쳐 다시 사용자 상태 분석 결과를 새로이 수신한 게임 제어부는 현재의 호전된 사용자 상태에 맞춰 게임의 난이도 및 시나리오를 재조절한다. 이와 동시에 자극강도 조절부도 적절한 강도 조절을 수행하며, 이러한 결과는 자연스럽게 사용자의 알츠하이머 증상 호전에 기여한다.
본 발명에서 제안하는 BCI 엔터테이닉 시스템은 게임을 통한 자연스러운 임상 진단 및 치료가 가능하다. 또한 사용자의 흥미 유발을 통한 지속적인 치료 및 개선을 기대할 수 있다.
사용자가 알츠하이머등의 초기 증상을 나타내고 있는 사용자라면 평소에 상기와 같이 BCI 엔터테이닉 시스템을 활용하여 여가 생활을 즐기며 알츠하이머 증상등의 치유 및 개선을 노력한다.
이러한 엔터테이닉 과정은 사용자의 건강 상태가 일정수준 이상 호전되어질 때 까지 반복 수행되어지며, 사용자는 흥미와 관심을 잃지 않고 지속적인 임상치료 과정을 수행하게 된다.
이상 본 발명자에 의해서 이루어진 발명을 상기 실시예에 따라 구체적으로 설명하였지만, 본 발명은 상기 실시예에 한정되는 것은 아니고 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 물론이다.
도 1는 종래의 BCI 기술을 나타내는 도면이다.
도 2는 본 발명에 따른 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료시스템을 나타내는 도면이다.
도 3는 본 발명에 따른 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료 방법을 나타내는 흐름도이다.

Claims (11)

  1. 각종의 뇌파 상태를 분석한 데이터를 저장하고 있는 데이터베이스.
    검출된 뇌파를 데이터 베이스에 저장된 데이터와 비교하여 진단하는 진단 수단;
    진단된 결과에 따라 상기 사용자의 자극의 종류와 강도를 조절하는 신호를 생성하여 제공하는 자극 강도 조절부;
    상기 자극 강도 조절부로부터 제공된 신호에 따라 사용자의 뇌파 상태가 최적이 되도록 오감을 활용한 자극을 제공하는 구동기을 포함하는 것을 특징으로 하는 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료 시스템.
  2. 제1항에 있어서, 상기 구동기는 상기 자극 강도 조절부의 신호에 따라 자극 신호를 생성하는 자극 신호 발생부 및 자극 신호 발생시 오차가 발생하지 않도록 오차를 조절하는 영점조절부를 포함하는 것을 특징으로 하는 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료 시스템.
  3. 제1항에 있어서, 상기 진단 수단의 진달 결과 신호를 제공받아 사용자의 상태에 맞는 뇌파의 보정을 위해 게임의 시나리오 및 난이도를 조절하는 PC 게임 제어기를 더 포함하는 것을 특징으로 하는 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료 시스템.
  4. 제1항에 있어서, 상기 뇌파 검출 수단은 전처리 수단, 특징 추출 수단 및 패턴 인식 수단을 포함하는 것을 특징으로 하는 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료 시스템.
  5. 사용자 뇌파 상태를 측정하는 단계,
    측정된 뇌파를 각 뇌파 상태를 분석한 임상 DB의 데이타와 비교하여 진단을 수행하는 단계,
    진단 결과에 따라 상기 사용자의 자극 종류 및 강도를 조절하는 신호를 생성하는 단계;
    상기 자극 종류 및 강도를 조절하는 신호를 바탕으로 상기 사용자의 뇌파 상태가 최적이 되도록 오감을 활용하는 자극을 제공하는 단계를 포함하는 것을 특징으로 하는 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료방법.
  6. 제5항에 있어서 자극 종류 및 강도를 조절하는 신호는 사용자의 상태 변화(사용자의 집중/각성 정도)를 고려하여 생성하는 것을 특징으로 하는 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료방법.
  7. 제5항에 있어서 상기 임상 DB의 데이터는 정상 사용자군과 임상적인 결함이 있는 사용자군의 뇌파를 측정하여 상호 유의미한 통계적 특징을 수집한 것을 특징으로 하는 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료방법.
  8. 제5항 내지 제7항중 어느 한항에 있어서 상기 진단 결과 신호를 제공받아 사용자의 상태에 맞는 뇌파의 보정을 위해 게임의 시나리오 및 난이도를 조절하는 단계를 더 포함하는 것을 특징으로 하는 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료방법.
  9. 제8항에 있어서, 상기 게임의 시나리오 및 난이도는 상기 사용자의 상태에 맞게 특정 대역 뇌파는 유발하고 특정 대역 뇌파는 억제하도록 조절되는 것을 특징으로 하는 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료방법.
  10. 제8항에 있어서, 상기 게임의 시나리오 및 난이도는 멀티미디어 3D 게임 기법을 적용하여 지속적으로 사용자 흥미를 유발시키도록 조절되는 것을 특징으로 하는 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료방법.
  11. 제 5항 내지 제7항중 어느 한항에 있어서, 상기의 과정은 상기 사용자의 건강 상태가 호전될 때까지 반복되는 것을 특징으로 하는 오감 정보처리기법 및 뇌파를 활용한 사용자 적응형 임상진단/치료방법.
KR1020070091771A 2007-06-08 2007-09-10 오감 정보 처리기법 및 뇌파를 활용한 사용자 적응형임상진단/치료시스템 KR20080107961A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020070056082 2007-06-08
KR20070056082 2007-06-08

Publications (1)

Publication Number Publication Date
KR20080107961A true KR20080107961A (ko) 2008-12-11

Family

ID=40368093

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070091771A KR20080107961A (ko) 2007-06-08 2007-09-10 오감 정보 처리기법 및 뇌파를 활용한 사용자 적응형임상진단/치료시스템

Country Status (1)

Country Link
KR (1) KR20080107961A (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101130761B1 (ko) * 2010-02-26 2012-03-28 대구가톨릭대학교산학협력단 비씨아이 기반 뇌파 측정장치
KR101477161B1 (ko) * 2014-06-24 2014-12-29 (주)와이브레인 전기 자극 시스템 및 전기 자극 방법
WO2015194738A1 (ko) * 2014-06-20 2015-12-23 (주)와이브레인 전기 자극 시스템
KR101699623B1 (ko) * 2015-10-15 2017-02-14 세종대학교산학협력단 좌/우뇌 활성도 대칭 향상을 위한 게임 활용 시스템
KR20180126239A (ko) * 2017-05-17 2018-11-27 (주)지아이시그널 뇌파 측정 장치, 이를 포함하는 치매 진단 및 예방 시스템 및 방법
KR20200058282A (ko) * 2018-11-19 2020-05-27 서울대학교산학협력단 뇌 네트워크 분석을 통한 외상 후 스트레스 장애 조절 방법 및 장치
US11955247B2 (en) 2019-09-11 2024-04-09 International Business Machines Corporation Mobile automation control of disease spread

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101130761B1 (ko) * 2010-02-26 2012-03-28 대구가톨릭대학교산학협력단 비씨아이 기반 뇌파 측정장치
WO2015194738A1 (ko) * 2014-06-20 2015-12-23 (주)와이브레인 전기 자극 시스템
US10265524B2 (en) 2014-06-20 2019-04-23 Ybrain Inc. Electrical stimulation system for recognizing brain activation pattern and applying electrical stimulation to a user
US10420936B2 (en) 2014-06-20 2019-09-24 Ybrain Inc. Electrical stimulation system
KR101477161B1 (ko) * 2014-06-24 2014-12-29 (주)와이브레인 전기 자극 시스템 및 전기 자극 방법
WO2015199344A1 (ko) * 2014-06-24 2015-12-30 (주)와이브레인 전기 자극 시스템 및 전기 자극 방법
KR101699623B1 (ko) * 2015-10-15 2017-02-14 세종대학교산학협력단 좌/우뇌 활성도 대칭 향상을 위한 게임 활용 시스템
KR20180126239A (ko) * 2017-05-17 2018-11-27 (주)지아이시그널 뇌파 측정 장치, 이를 포함하는 치매 진단 및 예방 시스템 및 방법
KR20200058282A (ko) * 2018-11-19 2020-05-27 서울대학교산학협력단 뇌 네트워크 분석을 통한 외상 후 스트레스 장애 조절 방법 및 장치
US11955247B2 (en) 2019-09-11 2024-04-09 International Business Machines Corporation Mobile automation control of disease spread

Similar Documents

Publication Publication Date Title
CN109224242B (zh) 基于vr交互的心理放松系统及方法
Blinowska et al. Electroencephalography (eeg)
Sourina et al. A Real-time Fractal-based Brain State Recognition from EEG and its Applications.
Mustafa et al. Comparison between KNN and ANN classification in brain balancing application via spectrogram image
Lin et al. A driving performance forecasting system based on brain dynamic state analysis using 4-D convolutional neural networks
Pawar et al. Feature extraction methods for electroencephalography based brain-computer interface: a review
KR20080107961A (ko) 오감 정보 처리기법 및 뇌파를 활용한 사용자 적응형임상진단/치료시스템
KR102420359B1 (ko) 감정맞춤형 cbt용 ai제어모듈을 통한 메타버스공간에서의 1:1 감정맞춤형 인지적행동치료 생성장치 및 방법
Gunawan et al. Brainwave classification of visual stimuli based on low cost EEG spectrogram using DenseNet
Uyulan et al. Entropy-based feature extraction technique in conjunction with wavelet packet transform for multi-mental task classification
Behzadfar A brief overview on analysis and feature extraction of electroencephalogram signals
Munavalli et al. Introduction to Brain–Computer Interface: Applications and Challenges
Xu et al. Algorithm of imagined left-right hand movement classification based on wavelet transform and AR parameter model
Geethanjali Fundamentals of brain signals and its medical application using data analysis techniques
Chaudhary et al. Brain computer interface: a new pathway to human brain
Murthy et al. Cognitive attention behaviour detection systems using Electroencephalograph (EEG) signals
Chowdhury EEG based assessment of emotional wellbeing in smart environment
Gaume Towards cognitive brain-computer interfaces: real-time monitoring of visual processing and control using electroencephalography
Macauda Artifacts removal and application of cross-frequency coupling to EEG signals of epileptic patients
Khalilzadeh et al. Qualitative and quantitative evaluation of brain activity in emotional stress
Xiao et al. Discriminating multiple motor imageries of human hands using EEG
D'Alpaos AI for health: Using AI to identify stress from wearable devices data
Parui EEG SIGNAL ANALYSIS FOR LEARNING AND WORKING MEMORY MODELING
Ergin Multi-Channel EEG-Based Emotion Classification Using Deep Neural Networks
Akıncı Realization of a cue based motor imagery brain computer interface with its potential application to a wheelchair

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application