KR20180028884A - 복수의 뇌신호에 대한 공통 패턴을 제공하는 장치 및 방법 - Google Patents

복수의 뇌신호에 대한 공통 패턴을 제공하는 장치 및 방법 Download PDF

Info

Publication number
KR20180028884A
KR20180028884A KR1020170014930A KR20170014930A KR20180028884A KR 20180028884 A KR20180028884 A KR 20180028884A KR 1020170014930 A KR1020170014930 A KR 1020170014930A KR 20170014930 A KR20170014930 A KR 20170014930A KR 20180028884 A KR20180028884 A KR 20180028884A
Authority
KR
South Korea
Prior art keywords
brain signal
brain
pattern
common pattern
patterns
Prior art date
Application number
KR1020170014930A
Other languages
English (en)
Other versions
KR101914189B1 (ko
Inventor
이성환
기영진
이민호
정지훈
Original Assignee
고려대학교 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 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Publication of KR20180028884A publication Critical patent/KR20180028884A/ko
Application granted granted Critical
Publication of KR101914189B1 publication Critical patent/KR101914189B1/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
    • A61B5/72—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
    • A61B5/048—
    • A61B5/04012—
    • A61B5/0484—
    • 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]
    • 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

Landscapes

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

Abstract

뇌신호의 공통 패턴을 제공하는 BCI(Brain computer interface)기반 컴퓨팅 장치는 상기 공통 패턴 제공 프로그램이 저장된 메모리, 및 상기 메모리에 저장된 프로그램을 실행하는 프로세서를 포함한다. 이때, 프로세서는 상기 프로그램의 실행에 따라, 각 사용자들의 뇌신호에 대하여 전처리를 수행하고, 상기 전처리된 뇌신호의 특징을 추출하여 데이터베이스에 저장하고, 상기 각 뇌신호의 특징과 상기 특징에 기초하여 각 동작상상을 분류하는 분류기 파라미터에 의하여 정의되는 복수의 뇌신호 특징 패턴을 생성하고, 상기 뇌신호 특징 패턴들로부터 전체 사용자들에 대하여 각 동작상상별로 공통적으로 존재하는 패턴인 뇌신호 공통 패턴을 추출한다..

Description

복수의 뇌신호에 대한 공통 패턴을 제공하는 장치 및 방법 {DEVICE AND METHOD FOR PROVIDING COMMON PATTERN OF PLURALITY OF BRAIN SIGNAL}
본 발명은 피검체들로부터 측정된 복수의 뇌신호에 대한 공통 패턴을 제공하는 장치 및 그 방법에 관한 것이다.
뇌-컴퓨터 인터페이스(Brain-Computer Interface, BCI)란 피검체의 뇌에서 발생하는 다양한 형태의 신호를 이용하여 직접적인 신체의 움직임 없이 외부 기기를 제어할 수 있도록 하는 기술이다. 이러한 BCI 기술은 다양한 종류의 패러다임에 따라 유발되는 뇌파를 이용한다. 패러다임에 따른 뇌파 유발 방법에는 특정 외부 자극이 뇌에 투영되어 발현되는 비자발적 방법이나 사용자가 특정 신체 부위를 집중하거나 움직임을 의도(또는 상상)하는 자발적 방법으로 나눌 수 있다.
외부 자극에 의해 유발되는 비자발적 뇌파 특징으로는 대표적으로 정상-상태 시각 유발 전위(Steady-State Visual Evoked Potential, SSVEP)와 사건 관련 전위(Evnet-Related Potential, ERP)가 연구되고 있다. SSVEP는 사용자가 특정 주파수로 발광하는 광원을 응시할 때, 해당 주파수가 뇌에 투영되어 유발되는 뇌신호의 특징이다. 또한 ERP는 피검체가 집중하는 특정 자극이 반복적으로 제시될 때, 해당 자극에 대해 반응하는 뇌신호의 특징이다. 반면에 외부 자극 없이 피검체가 움직임을 의도하는 경우, 피검체의 뇌에서는 감각 운동 리듬(SensoriMotor Rhythm, SMR)이 자발적으로 발현된다. 구체적으로 SMR은 피검체가 특정 신체 부위의 움직임을 의도(Motor Imagery, MI)할 때, 뇌의 체성감각운동 피질의 뮤-리듬(mu-rhythm)(약 8 내지 12Hz)에서 신호가 감소하는 사건 관련 비동기화(Event-Related Desynchronization, ERD) 또는 베타 리듬(beta rhythm)(약 18 내지 25Hz)에서 신호가 감소하는 사건 관련 동기화(Event-Related Synchronization, ERS) 성질을 가지는 뇌신호의 특징이다.
이러한 뇌신호의 특징들에 기반한 BCI 시스템들을 이용하기 위해 분류기를 학습시키기 위한 데이터 수집 및 조정(calibration) 작업이 필요하다. 조정 작업은 사용자가 BCI 시스템을 사용하기 위해, 분류기의 입력 데이터를 탐색 및 결정하는 작업일 수 있다. 피검체 별 뇌신호의 특징이 상이하기 때문에, BCI 시스템은 피검체 별로 조정 작업을 수행할 필요가 있다.
한국등록특허 제 10-1581895 호 (발명의 명칭: P300 뇌-유발전위를 이용한 단어 입력 뇌-컴퓨터 인터페이스 시스템 및 P300 뇌-유발전위를 이용한 단어 입력 방법)
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 피검체들로부터 측정된 뇌신호들의 공통 패턴을 결정하고, 결정된 뇌신호 공통 패턴에 기초하여 분류기를 학습시킴으로써, 새로운 피검체를 위한 별도의 분류기 생성 및/또는 학습 작업을 생략할 수 있는 공통 패턴 제공 장치와 방법을 제공하는 것을 목적으로 한다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 BCI(Brain computer interface)기반 뇌신호 공통 패턴 제공 장치는 뇌신호 공통 패턴 제공 프로그램이 저장된 메모리, 및 상기 메모리에 저장된 프로그램을 실행하는 프로세서를 포함한다. 이때, 프로세서는 프로그램의 실행에 따라, 각 사용자들의 뇌신호에 대하여 전처리를 수행하여 뇌신호의 특징을 추출하고, 상기 각 뇌신호의 특징과 상기 특징에 기초하여 각 동작상상을 분류하는 분류기 파라미터에 의하여 정의되는 복수의 뇌신호 특징 패턴을 생성하고, 상기 뇌신호 특징 패턴들로부터 전체 사용자들에 대하여 각 동작상상별로 공통적으로 존재하는 패턴인 뇌신호 공통 패턴을 추출한다.
또한, 본 발명의 제 2 측면에 따른 BCI(Brain computer interface)기반 뇌신호 공통 패턴 제공 장치를 통해 뇌신호의 공통 패턴을 제공하는 방법은 상기 뇌신호 공통 패턴 제공 장치에 수집된 각 사용자들의 뇌신호에 대하여 전처리를 수행하는 단계, 상기 전처리된 뇌신호의 특징을 추출하여 데이터베이스에 저장하는 단계, 상기 각 뇌신호의 특징과 상기 특징에 기초하여 각 동작상상을 분류하는 분류기 파라미터에 의하여 정의되는 복수의 뇌신호 특징 패턴을 생성하는 단계, 및 상기 뇌신호 특징 패턴들로부터 전체 사용자들에 대하여 각 동작상상별로 공통적으로 존재하는 패턴인 뇌신호 공통 패턴을 추출하는 단계를 포함한다.
전술한 과제 해결 수단에 따르면, 뇌신호 공통 패턴을 이용하여 기 학습된 분류기를 제공하는 방법 및 장치를 제공함으로써, BCI 시스템을 이용하는데 소요되는 분류기 생성 및 학습 과정을 생략할 수 있게 한다.
도 1은 본 발명의 일 실시예에 따른 뇌신호 공통 패턴 제공 장치의 구성을 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 뇌신호 공통 패턴 추출 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 뇌신호 공통 패턴 생성과정을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 뇌신호 공통 패턴 제공 장치의 구성을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 뇌신호 공통 패턴 제공 방법을 도시한 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
또한, 이하에서 언급되는 "움직임 의도(motor imagery)"는 동작 상상, 움직임 상상, 동적 심상 등으로 지칭될 수 있다.
이하, 도면을 참조하여, 본 발명의 일 실시예에 대하여 구체적으로 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 뇌신호 공통 패턴 제공 장치의 구성을 도시한 블록도이다.
도1을 참조하면, 뇌신호 공통 패턴 제공 장치(100)는 메모리(110), 프로세서(120), 통신 모듈(130) 및 데이터베이스(140)을 한다. 뇌신호 공통 패턴 제공 장치(100)는 BCI 기판 컴퓨팅 장치로서, 뇌신호 공통 패턴 제공 장치(100)에 접속한 사용자 단말에 대하여 뇌신호 공통 패턴을 제공하는 서버로서 기능할 수 있다.
메모리(110)는 뇌신호 공통 패턴 제공 프로그램이 저장된다. 이때, 메모리(110)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치를 통칭하는 것이다.
프로세서(120)는 뇌신호 공통 패턴 제공 프로그램의 실행에 따라, 통신 모듈(130)을 통해 각 사용자들의 뇌신호를 수집하고, 이에 대한 전처리를 수행한다. 프로세서(12)는 뇌신호의 전처리 과정에서 각 피검체별로 수집된 뇌신호의 최적 주파수 영역을 탐색하고, 이를 통해 각 동작상상별로 뇌신호의 특징을 추출한다. 이때, 뇌신호의 특징은 주파수 성분에 의하여 정의될 수 있다. 예를 들어, 프로세서(120)는 오른손 상상, 왼손 상상 또는 발의 동작 상상과 같은 각 개별 동작 상상별로 클래스를 구분하여 뇌신호의 특징을 추출한다. 이를 위해, 개별 동작 상상과 연관된 특정 주파수 범위를 설정하고, 이 주파수 범위에 따라 각 뇌신호를 필터링하는 형태로 뇌신호에 대한 전처리를 수행할 수 있다. 이와 같은 주파수는 사람마다 상이하지만 주로 뮤 밴드(mu-band, 8~13Hz) 영역에서 추출될 수 있다. 이와 같이 추출된 각 뇌신호의 특징 정보는 데이터베이스(140)에 저장된다.
다음으로, 프로세서(120)는 각 뇌신호의 특징을 이용하여 각 동작상상을 분류하는 분류기 파라미터를 산출하고, 이를 이용하여 각 뇌신호의 특징 패턴을 생성한다. 이때, 뇌신호의 특징 패턴은 각 뇌신호의 특징 성분과 분류기 파라미터 정보를 포함한다.
한편, 프로세서(120)는 적어도 하나의 프로세싱 유닛(CPU, micro-processor, DSP 등)과 RAM(Random Access Memory), ROM(Read-Only Memory) 등의 메모리를 포함하여 구현될 수 있으며, 메모리(130)에 저장된 프로그램을 RAM으로 독출하여 적어도 하나의 프로세싱 유닛을 통해 실행할 수 있다. 한편, 실시예에 따라서 ‘프로세서’ 라는 용어는 '제어부', '컨트롤러', '연산 장치' 등의 용어와 동일한 의미로 해석될 수 있다.
도 2는 본 발명의 일 실시예에 따른 뇌신호 특징 패턴 생성과정을 설명하기 위한 도면이다.
뇌신호의 특징은 전처리 과정을 통해 필터링된 뇌신호의 특정 주파수 영역에서의 파워값과 시-공간적 특징이 포함되어 있는 사건-관련 비동기화(event-related desynchronization, ERD)/사건-관련 동기화(event-related synchronization, ERS) 패턴에 대한 정보 등에 의하여 특정될 수 있다. 이에, 프로세서(120)는 전처리된 뇌신호로부터 각 뇌신호를 최적으로 정의할 수 있는 특징 성분들(시-공간, 공가-주파수, 시-주파수)을 추출하고, 이러한 특징을 구분할 수 있는 분류기 파라미터를 생성한다.
도 2에 도시된 바와 같이, 각 피험자들별로 각 뇌신호의 특징에 따라 뇌신호 성분을 그래프 상에 배열하고, 이를 각 동작상상별로 구분할 수 있는 일차원 그래프의 기울기와 x축/y축과의 교차점을 특정하는 과정을 통해 각 뇌신호의 특징을 구분하는 분류기 파라미터를 생성할 수 있다.
이와 같은, 과정을 통해 각 피험자들에 대하여 각 동작상상별로 뇌신호의 특징값과 동작상상을 구분하는 분류기 파라미터에 의하여 정의되는 뇌신호 특징 패턴을 생성할 수 있다. 따라서, 뇌신호 특징 패턴은 각 피험자에 대하여 각 동작상상별로 복수개 생성될 수 있다.
다음으로, 프로세서(120)는 뇌신호 특징 패턴들로부터 전체 사용자들에 대하여 각 동작상상별로 공통적으로 존재하는 패턴인 뇌신호 공통 패턴을 추출할 수 있다. 이와 같은 뇌신호 공통 패턴은 각 피험자별로 구분되어 데이터베이스(140)에 통합하여 저장될 수 있다.
도 3은 본 발명의 일 실시예에 따른 뇌신호 공통 패턴 생성과정을 설명하기 위한 도면이다.
프로세서(120)는 데이터베이스(110)에 저장된 복수의 뇌신호 특징 패턴(예를 들어, ERD/ERS 패턴 등)들 중에서 뇌신호 공통 패턴을 생성할 수 있다.
이를 위한 구체적인 방법으로서, 프로세서(120)는 하나 남기기(leave-one-out) 기반의 교차 검증 기법에 기초하여, 피검체들의 뇌신호 공통 패턴을 결정할 수 있다.
예를 들어, 도시된 바와 같이 N 명(N은 자연수)의 피검체를 대상으로 수집한 전체 뇌신호 특징 패턴들 중 각 피검체 대하여 최대의 분류 성능을 나타내는 특징 패턴을 각 피검체별 후보 특징 패턴으로서 추출한다. 이때, 제 n 피검체(n은 1부터 N 까지의 자연수)에 대한 최대의 분류 성능을 나타내는 특징 패턴을 추출하는 과정에서는 해당 피검체의 뇌신호 특징 패턴을 제외한 나머지 뇌신호 특징 패턴들 중에서 최대의 분류 성능을 나타내는 후보 특징 패턴을 추출한다.
이를 위해, 그리드 서치(grid search) 또는 트리 서치(tree search) 등의 알고리즘을 기반으로, 최대의 분류 성능을 나타내는 후보 특징 패턴을 각각 추출할 수 있다. 그리고, 각 후보 특징 패턴중 가장 빈도수가 높게 추출된 후보 특징 패턴을 뇌신호 공통 패턴으로서 추출한다.
예를 들면, 프로세서(120)는 제1 피검체에 대응하는 뇌신호 패턴 정보(211)를 제외한 나머지 뇌신호 패턴 정보들 중에서, 제1 피검체에게 가장 높은 성능의 적어도 하나의 후보 뇌신호 패턴 정보(202-1)를 결정할 수 있다. 여기서, 제1 피검체에게 가장 높은 성능을 갖는 뇌신호 패턴 정보는, 제1 피검체의 뇌신호 패턴과의 유사도 또는 분류기의 분류 성능에 기초하여 결정될 수 있다. 또한 프로세서(120)는 제2 피검체에 대응하는 뇌신호 패턴 정보(212)를 제외한 나머지 뇌신호 패턴 정보들 중에서, 제2 피검체에게 가장 높은 성능의 적어도 하나의 후보 뇌신호 패턴 정보(202-2)를 결정할 수 있다.
프로세서(120)는 복수의 피검체들에 대하여 전술한 동작을 반복 수행함으로써, 적어도 하나의 후보 뇌신호 패턴 정보(202-1, 202-2 및 202-3)을 결정하고, 후보 뇌신호 패턴 정보(202-1, 202-2 및 202-3)의 공통 값에 기초하여, 공통 패턴(203)을 결정할 수 있다. 따라서, 결정된 공통 패턴(203)은 피검체들에서 공통적으로 발생되는 뇌신호 패턴일 수 있다.
한편, 프로세서(120)는 뇌신호 공통 패턴에 기초하여 분류기(classifier)를 학습하는 동작을 더 수행할 수 있다. 여기서, 분류기는 피검체로부터 수신된 뇌신호로부터 피검체의 움직임 의도를 결정하기 위해 기계 학습되는 적어도 하나의 프로그램(또는 적어도 하나의 인스트럭션 세트)일 수 있다. 프로세서(120)는 결정된 뇌신호 공통 패턴에 기초하여 분류기를 학습시킴으로써, 새로운 피검체에 따라 분류기를 조정하는 작업(또는 최적화 작업)을 생략할 수 있다.
도 4는 본 발명의 다른 실시예에 따른 공통 패턴 제공 장치의 구성을 도시한 도면이다.
도 4를 참조하면, 공통 패턴 제공 장치(300)는 통신 모듈(310), 프로세서(320) 및 피검체로부터 뇌신호를 측정하는 뇌파 측정 모듈(330)을 포함할 수 있다.
통신 모듈(310)은 외부 데이터베이스(400)에 접근하여 외부 데이터베이스(400)에 저장된 피검체들의 뇌신호에 대한 정보를 획득할 수 있다. 이때, 외부 데이터베이스(400)는 각 피검체들의 뇌신호에 대한 정보만을 저장하고 있거나, 앞서 도 1을 통해 설명한 뇌신호 공통 패턴 정보를 저장할 수 도 있다.
뇌파 측정 모듈(330)는 피검체의 두부 등에 장착되어 뇌파를 측정하는 EEG 장비일 수 있으며, 이를 통해 수집된 뇌피 신호는 프로세서(320)의 전처리를 거친후 통신 모듈(310)을 통해 외부 데이터베이스(400)로 전달될 수 있다. 프로세서(320)는 새롭게 측정된 뇌파신호에 대하여 전처리 과정 이외에 뇌신호 특징 패턴 추출 및 뇌신호 공통 패턴 추출 등의 추가 처리를 수행할 수 있다.
데이터베이스가(400)가 각 피검체의 뇌신호에 대한 정보만을 저장하는 경우, 프로세서(320)는 통신 모듈(310)을 통해 수신된 피검체들의 뇌신호에 대한 정보로부터 앞서 도 1을 통해 설명한 과정을 통해 뇌신호 공통 패턴에 대한 정보를 직접 생성할 수 있다.
또한, 다른 실시예에 따르면, 프로세서(320)는 데이터베이스(400)에 저장된 뇌신호 공통 패턴 정보를 수신하고, 뇌파 측정 모듈(330)을 통해 새롭게 측정된 뇌파 신호에 대하여 뇌신호 공통 패턴에 기반하여 분류 처리를 수행할 수 있다.
도 5는 본 발명의 일 실시예에 따른 뇌신호 공통 패턴 제공 방법을 도시한 순서도이다.
먼저, 뇌신호 공통 패턴 제공 장치(100)는 각 사용자들의 뇌신호를 수집하고, 이에 대하여 전처리를 수행한다(S410). 이때, 뇌신호는 뇌신호 공통 제공 장치(100)에 직접 연결된 EEG 장비등을 통해 생성되어 수신된 것이거나, 외부 장비를 통해 생성된 후 통신 모듈 등을 통해 전송되어 수신된 것일 수 있다. 또한, 전처리 과정에서는 각 피검체별로 수집된 뇌신호의 최적 주파수 영역을 탐색하고, 이를 통해 각 동작상상별로 뇌신호의 특징을 추출한다.
다음으로, 전처리된 뇌신호의 특징과 각 동작상상을 분류하는 분류기 파라미터에 의하여 정의되는 뇌신호 특징 패턴을 생성한다(S420). 이때, 뇌신호 특징 패턴은 각 피검체별로 생성되는 것이고, 각 피검체의 동작상상별로 구분되는 것이다. 앞선 전처리 과정에서 추출된 여러 특징 값들과 이를 이용하여 각 동작상상을 분류하는 분류기준이 되는 분류기 파라미터를 특정하는 과정을 통해, 각 동작상상별 특징 패턴을 추출할 수 있다.
다음으로, 복수의 뇌신호 특징 패턴들로부터 전체 사용자들에 대하여 각 동작 상상별로 공통적으로 존재하는 뇌신호 공통 패턴을 추출한다(S430). 이를 위해, 전체 피검체의 뇌신호 특징 패턴들 중 조사 대상 피검체의 뇌신호 특징 패턴을 제외한 나머지 뇌신호 특징 패턴들 중에서 조사 대상 피검체에 대하여 최대의 성능을 나타내는 특징 패턴을 각 피검체별 후보 특징 패턴으로서 추출하고, 추출된 후보 특징 패턴들 중 공통적으로 추출되는 패턴을 뇌신호 공통 패턴으로서 추출한다.
본 발명의 일 실시예에 따른 뇌신호 공통 패턴 제공 방법은 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 뇌신호 공통 패턴 제공 장치
110: 메모리
120: 프로세서
130: 통신 모듈
140: 데이터베이스

Claims (8)

  1. BCI(Brain computer interface)기반 뇌신호 공통 패턴 제공 장치에 있어서,
    뇌신호 공통 패턴 제공 프로그램이 저장된 메모리, 및
    상기 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하되,
    상기 프로세서는 상기 프로그램의 실행에 따라, 각 사용자들의 뇌신호에 대하여 전처리를 수행하여 뇌신호의 특징을 추출하고, 상기 각 뇌신호의 특징과 상기 특징에 기초하여 각 동작상상을 분류하는 분류기 파라미터에 의하여 정의되는 복수의 뇌신호 특징 패턴을 생성하고, 상기 뇌신호 특징 패턴들로부터 전체 사용자들에 대하여 각 동작상상별로 공통적으로 존재하는 패턴인 뇌신호 공통 패턴을 추출하는 것인 뇌신호 공통 패턴 제공 장치.
  2. 제 1 항에 있어서,
    상기 프로세서는 N 명(N은 자연수)의 피검체를 대상으로 수집한 전체 뇌신호 특징 패턴들 중 제 n 피검체(n은 1부터 N 까지의 자연수)의 뇌신호 특징 패턴을 제외한 나머지 뇌신호 특징 패턴들 중에서 상기 제 n 피검체에 대하여 최대의 성능을 나타내는 특징 패턴을 각 피검체별 후보 특징 패턴으로서 추출하고, 추출된 후보 특징 패턴들 중 공통적으로 추출되는 패턴을 상기 뇌신호 공통 패턴으로서 추출하는 것인 뇌신호 공통 패턴 제공 장치.
  3. 제 1 항에 있어서,
    상기 프로세서는 상기 뇌신호 공통 패턴에 기초하여 각 동작상상 별로 분류기를 생성하여 제공하는 뇌신호 공통 패턴 제공 장치.
  4. 제 1 항에 있어서,
    상기 프로세서는 신규 피검체로부터 수신된 뇌신호 분류 요청에 응답하여, 상기 뇌신호 공통 패턴에 기초하여 각 동작상상 별로 생성한 분류기를 이용하여 상기 뇌신호 분류 처리를 수행하는 뇌신호 공통 패턴 제공 장치.
  5. BCI(Brain computer interface)기반 뇌신호 공통 패턴 제공 장치를 통해 뇌신호의 공통 패턴을 제공하는 방법에 있어서,
    상기 뇌신호 공통 패턴 제공 장치에 수집된 각 사용자들의 뇌신호에 대하여 전처리를 수행하는 단계,
    상기 전처리된 뇌신호의 특징을 추출하여 데이터베이스에 저장하는 단계,
    상기 각 뇌신호의 특징과 상기 특징에 기초하여 각 동작상상을 분류하는 분류기 파라미터에 의하여 정의되는 복수의 뇌신호 특징 패턴을 생성하는 단계, 및
    상기 뇌신호 특징 패턴들로부터 전체 사용자들에 대하여 각 동작상상별로 공통적으로 존재하는 패턴인 뇌신호 공통 패턴을 추출하는 단계를 포함하는 뇌신호의 공통 패턴 제공 방법.
  6. 제 5 항에 있어서,
    상기 뇌신호 공통 패턴을 추출하는 단계는
    N 명(N은 자연수)의 피검체를 대상으로 수집한 전체 뇌신호 특징 패턴들 중 제 n 피검체(n은 1부터 N 까지의 자연수)의 뇌신호 특징 패턴을 제외한 나머지 뇌신호 특징 패턴들 중에서 상기 제 n 피검체에 대하여 최대의 성능을 나타내는 특징 패턴을 각 피검체별 후보 특징 패턴으로서 추출하는 단계; 및
    상기 추출된 후보 특징 패턴들 중 공통적으로 추출되는 패턴을 상기 뇌신호 공통 패턴으로서 추출하는 것인 뇌신호의 공통 패턴 제공 방법.
  7. 제 5 항에 있어서,
    상기 뇌신호 공통 패턴에 기초하여 각 동작상상 별로 분류기를 생성하는 단계 및
    신규 피검체로부터 수신된 뇌신호 분류 요청에 응답하여, 상기 분류기를 이용하여 뇌신호 분류 처리를 수행하는 뇌신호의 공통 패턴 제공 방법.
  8. 제 5 항 내지 제 7 항 중 어느 한 항에 기재된 방법을 컴퓨터 상에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.
KR1020170014930A 2016-09-09 2017-02-02 복수의 뇌신호에 대한 공통 패턴을 제공하는 장치 및 방법 KR101914189B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020160116244 2016-09-09
KR20160116244 2016-09-09

Publications (2)

Publication Number Publication Date
KR20180028884A true KR20180028884A (ko) 2018-03-19
KR101914189B1 KR101914189B1 (ko) 2018-11-01

Family

ID=61911290

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170014930A KR101914189B1 (ko) 2016-09-09 2017-02-02 복수의 뇌신호에 대한 공통 패턴을 제공하는 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101914189B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108595015A (zh) * 2018-06-29 2018-09-28 陈龙飞 一种透过脑机导引的想象旅行疗法指示系统及方法
KR20200052205A (ko) * 2018-11-06 2020-05-14 고려대학교 산학협력단 뇌-컴퓨터 인터페이스 시스템 및 동작 상상에 의해 발현된 뇌파 신호를 분석하는 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102246417B1 (ko) 2018-11-09 2021-04-30 고려대학교 산학협력단 적대적 학습 기반 뇌-컴퓨터 인터페이스 방법 및 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4399515B1 (ja) 2008-05-15 2010-01-20 パナソニック株式会社 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
JP2010131328A (ja) 2008-12-08 2010-06-17 Tokyo Univ Of Agriculture & Technology 嗜好判別装置、嗜好判別方法、嗜好判別プログラム、及び脳波解析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108595015A (zh) * 2018-06-29 2018-09-28 陈龙飞 一种透过脑机导引的想象旅行疗法指示系统及方法
KR20200052205A (ko) * 2018-11-06 2020-05-14 고려대학교 산학협력단 뇌-컴퓨터 인터페이스 시스템 및 동작 상상에 의해 발현된 뇌파 신호를 분석하는 방법

Also Published As

Publication number Publication date
KR101914189B1 (ko) 2018-11-01

Similar Documents

Publication Publication Date Title
Pontifex et al. Evaluating the efficacy of fully automated approaches for the selection of eyeblink ICA components
van de Nieuwenhuijzen et al. MEG-based decoding of the spatiotemporal dynamics of visual category perception
Miao et al. A spatial-frequency-temporal optimized feature sparse representation-based classification method for motor imagery EEG pattern recognition
KR101518575B1 (ko) Bci를 위한 사용자 의도인지 분석 방법
Chevallier et al. Review of Riemannian distances and divergences, applied to SSVEP-based BCI
Polanía et al. Noninvasively decoding the contents of visual working memory in the human prefrontal cortex within high-gamma oscillatory patterns
Aljalal et al. Detection of Parkinson’s disease from EEG signals using discrete wavelet transform, different entropy measures, and machine learning techniques
KR20080074099A (ko) 심리 상태의 검출 및 그를 이용한 상호작용
KR101914189B1 (ko) 복수의 뇌신호에 대한 공통 패턴을 제공하는 장치 및 방법
KR101939363B1 (ko) 사용환경에 적응적인 뇌-컴퓨터 인터페이스 장치 및 그 장치의 동작 방법
Alex et al. Discrimination of genuine and acted emotional expressions using EEG signal and machine learning
KR20180036503A (ko) 뇌 신호 기반 기기 제어를 위한 뇌-컴퓨터 인터페이스 장치 및 방법
Wang et al. An information fusion scheme based common spatial pattern method for classification of motor imagery tasks
Athif et al. WaveCSP: a robust motor imagery classifier for consumer EEG devices
JP2023113965A (ja) データ生成装置、生体データ計測システム、識別器生成装置、データ生成方法、識別器生成方法及びプログラム
Berberyan et al. EEG-based identification of evidence accumulation stages in decision-making
Pathirana et al. A critical evaluation on low-cost consumer-grade electroencephalographic devices
Kim et al. Perceptual texture dimensions modulate neuronal response dynamics in visual cortical area V4
Gondesen et al. Eeg-based biometrics
Näsänen et al. Estimation of temporal resolution of object identification in human vision
Slanzi et al. Predicting Web user click intention using pupil dilation and electroencephalogram analysis
JP2020203032A (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
Parto Dezfouli et al. Single-trial decoding from local field potential using bag of word representation
CN113343798A (zh) 一种脑机接口分类模型的训练方法、装置、设备及介质
WO2021254788A1 (en) Method for selecting features from electroencephalogram signals

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right