KR20220053329A - 다기능 뇌 컴퓨터 인터페이스 장치 및 방법 - Google Patents

다기능 뇌 컴퓨터 인터페이스 장치 및 방법 Download PDF

Info

Publication number
KR20220053329A
KR20220053329A KR1020200137658A KR20200137658A KR20220053329A KR 20220053329 A KR20220053329 A KR 20220053329A KR 1020200137658 A KR1020200137658 A KR 1020200137658A KR 20200137658 A KR20200137658 A KR 20200137658A KR 20220053329 A KR20220053329 A KR 20220053329A
Authority
KR
South Korea
Prior art keywords
eeg
computer interface
brain computer
control signal
information data
Prior art date
Application number
KR1020200137658A
Other languages
English (en)
Other versions
KR102557024B1 (ko
Inventor
염홍기
최우성
Original Assignee
조선대학교산학협력단
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 조선대학교산학협력단 filed Critical 조선대학교산학협력단
Priority to KR1020200137658A priority Critical patent/KR102557024B1/ko
Publication of KR20220053329A publication Critical patent/KR20220053329A/ko
Application granted granted Critical
Publication of KR102557024B1 publication Critical patent/KR102557024B1/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]
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology

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)
  • Molecular Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • General Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Psychiatry (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Dermatology (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Neurosurgery (AREA)
  • Neurology (AREA)
  • Fuzzy Systems (AREA)
  • Psychology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 발명은 다기능 뇌 컴퓨터 인터페이스 장치에 관한 것이다. 본 장치는 뇌파를 측정하는 뇌파 측정부, 장치가 장치와 연계된 제어신호를 생성하는 프로그램이 저장된 메모리 및 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하되, 프로세서는 프로그램의 실행에 따라, 사용자로부터 측정된 뇌파신호를 기초로 뇌파신호의 특징정보를 포함하도록 특징정보 데이터를 추출하고, 추출된 데이터를 인공신경망 모델 기반의 분류기에 입력하고, 분류된 데이터에 기초하여 사용자의 움직임을 제어하는 제어신호를 생성하고, 생성된 제어 신호를 출력할 수 있다.

Description

다기능 뇌 컴퓨터 인터페이스 장치 및 방법{Device and Method for Multi-functional Brain Computer Interface(BCI)}
본 발명은 다기능 뇌 컴퓨터 인터페이스 장치 및 방법에 관한 것으로, 더욱 상세하게는 뇌파신호로부터 푸리에변환하여 주파수 대역의 파워스펙트럼으로 변환하고, 상기 파워스펙트럼의 각 주파수 값을 정규화하는 과정을 통해 다중 의도 특징정보 데이터를 추출하고, 다중의도를 예측하는 분류하는 구성을 포함하는 다기능 뇌 컴퓨터 인터페이스 장치 및 방법에 관한 것이다.
뇌-컴퓨터 인터페이스 기술(BCI)은 생각만으로 기계를 마음대로 조작할 수 있도록 하는 기술이다.
최근 많은 기업과 기관이 BCI 기술의 중요성과 긍정적 미래전망을 바라보고 투자를 하고 있는데 이는 기술을 통해 신경의 마비나 절단으로 인해 몸을 움직일 수 없는 환자도 자신의 의사를 표현하거나 자신의 생각대로 몸을 움직이거나 활동할 수 있도록 해줄 뿐 아니라, 의사를 표현할 수 있는 인터페이스를 제공할 수 있는 연구이기 때문이다.
BCI를 구현하는 방법에는 여러 가지 방법이 존재하는데, 연구 초창기 때 사용되었던 방법으로 BMI를 구현하는 방법에도 여러 가지가 있다. BMI 연구 초창기에 사용되었던 방법으로 느린피질전압 (Slow Cortical Potentials) 방법이 있다. 주의나 집중에 의해 뇌파의 전위가 음이 되는 현상과 그렇지 않을 때 전위가 양의 값을 갖는 현상을 이용하여 top, bottom과 같은 1차원 task에서 전위가 느리게 양이나 음의 값을 갖게 되는 현상을 이용하는 방법이다. 그 당시에는 생각으로 컴퓨터를 제어할 수 있는 획기적 방법이었으나 반응이 느리고 고차원 구분이 불가능하기 때문에 현재는 거의 사용되고 있지 않다.
다른 방법으로 감각운동파(Sensorimotor Rhythms)를 이용하는 방법이 활발하게 연구되어 지고 있다. 이는 1차 감각운동 피질에서의 반응에 따라 μ파(8~12Hz)나 β파(13~30Hz)가 증가하거나 감소하는 현상을 이용하는 방법으로 일반적으로 왼쪽과 오른쪽 두 가지 경우를 구분하기 위해 많이 사용되어왔다.
이러한 감각운동파의 증감을 이용한 방법으로 독일 베를린의 연구그룹은 70~80%의 성공률로 마우스 커서를 제어하는데 성공하였다(Benjamin Blankertz et al., 2008).
하지만 뇌 신호의 단일특징만을 활용한 연구는 단일 task밖에 수행할 수 없는 한계점이 존재한다. 실생활 가운데에서는 걸으며 타이핑을 하거나, 컵을 든 채 무엇인가를 선택하는 등 다중의 일을 수행하는 경우가 많다. 그러므로 뇌 신호의 여러 특징들을 활용하여 동시다발적으로 여러 task를 진행할 수 있는 BCI 알고리즘이 필요하다.
중국의 BCI 연구진들은 SSVEP와 P300 특징을 활용하여 마우스 커서를 움직여 목표하는 목표점에 도달하는 hybrid BCI를 연구 성과를 선보였다.
(T. Yu et al, 2015). MI와 SSVEP(Steady-State Visually Evoked potential) 특징을 활용하여 피험자가 상대적으로 힘들어 하는 MI task에 대하여 SSVEP 패턴추출을 통해 훈련진행에 대한 feedback을 제공하는 연구도 진행되어졌다.
이렇듯 P300이나 SSVEP와 같은 각기 다른 특징을 활용하여 단일 특징을 활용할 때보다 정확도나 성능을 높이거나, 하나의 특징을 활용하여 다른 일들을 수행하는데 도움을 주는 연구들은 진행이 되고 있었으나, 다중 의도 특징을 추출하여 동시에 다중 제어가 가능한 BCI연구가 없었다.
[특허문헌 1] 한국공개특허공보 제10-2019-0097146호. 2019.08.20. 공개.
본 발명은 전술한 문제점을 해결하기 위하여 창출된 것으로, 다기능 뇌 컴퓨터 인터페이스 장치 및 방법을 제공하는 것을 그 목적으로 한다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
상기한 목적들을 달성하기 위하여, 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 장치가 개시된다. 상기 장치는 뇌파를 측정하는 뇌파 측정부, 장치가 장치와 연계된 제어신호를 생성하는 프로그램이 저장된 메모리 및 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하되, 프로세서는 상기 프로그램의 실행에 따라, 사용자로부터 측정된 뇌파신호를 기초로, 뇌파신호의 다중 의도 특징정보를 포함하도록 특징정보 데이터들을 추출하고, 추출된 데이터들을 인공신경망 모델에 입력하여 나온 출력값들을 통해 다중 의도에 대응되는 제어신호를 생성하고, 상기 생성된 제어신호를 출력하는, 할 수 있다.
또한, 본 발명의 일 실시예에 따르면, 프로세서는 측정된 뇌파신호로부터 잡음을 제거하는 전처리부, 잡음이 제거된 뇌파신호로부터 사용자의 다중 의도가 포함된 특징정보 데이터들을 추출하는 다중 의도 특징추출부, 추출된 데이터들을 인공신경망 모델에 입력하여 나온 다중 의도 출력값을 통해 다중 의도를 분류하는 다중 의도 분류부 및 분류된 다중 의도에 대응되는 제어신호를 생성하는 제어신호 생성부를 포함할 수 있다.
또한, 본 발명의 일 실시예에 따르면, 전처리부는 측정된 뇌파신호를 설정된 시간만큼 일정구간을 자르는 에포킹(epoching) 및 에포킹된 뇌파신호들의 잡음을 필터링하는 필터를 포함하고, 필터는 저역통과필터, 고역통과필터, 대역통과필터 및 노치필터 중 어느 하나일 수 있다.
또한, 본 발명의 일 실시예에 따르면, 다중 의도 특징추출부는 전처리된 뇌파신호들을 고속푸리에변환(fast fourier transform; FFT)하여 주파수 대역의 파워스펙트럼으로 변환하고, 파워스펙트럼의 각 주파수 값을 정규화하여 나온 결과값을 이용하여 다중 의도 특징정보 데이터를 추출할 수 있다.
또한, 본 발명의 일 실시예에 따르면, 특징정보 데이터는 프로세서에 의해 판단된 정규화 통해 나온 결과값이 기설정된 주파수값 이상인 제1 경우 또는 정규화 통해 나온 결과값의 기울기의 변화량이 기설정된 기울기값 이상인 제2 경우를 포함하는 구간의 데이터일 수 있다.
또한, 본 발명의 일 실시예에 따르면, 정규화는 파워스펙트럼의 각 주파수 값에서 휴식상태의 파워스펙트럼의 각 주파수별 평균을 빼준 뒤 표준편차로 나누는 것일 수 있다.
또한, 본 발명의 일 실시예에 따르면, 프로세서는 적어도 하나 이상의 특징정보 데이터들을 인공신경망 모델에 입력하여 나오는 적어도 하나 이상의 출력값들을 동시에 출력하는 것을 특징으로 할 수 있다.
또한, 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 방법이 개시된다. 상기 방법은 뇌파를 측정하는 뇌파 측정단계, 측정된 뇌파신호로부터 잡음을 제거하는 전처리단계, 잡음이 제거된 뇌파신호로부터 사용자 다중 의도가 포함된 특징정보 데이터들을 추출하는 다중 의도 특징추출단계, 추출된 데이터들을 인공신경망 모델에 입력하여 나온 출력값들을 통해 사용자의 다중 의도를 분류하는 다중 의도 분류단계, 분류된 다중 의도에 대응되는 제어신호를 생성하는 제어신호 생성단계 및 생성된 제어 신호를 출력하는 단계를 포함할 수 있다.
또한, 본 발명의 일 실시예에 따르면, 전처리단계는 측정된 뇌파신호를 설정된 시간만큼 일정구간을 자르는 에포킹단계 및 에포킹된 뇌파신호들의 잡음을 필터링하는 필터단계를 포함하고, 필터는 저역통과필터, 고역통과필터, 대역통과필터 및 노치필터 중 어느 하나일 수 있다.
또한, 본 발명의 일 실시예에 따르면, 다중 의도 특징추출단계는 전처리된 뇌파신호들을 고속푸리에변환(fast fourier transform; FFT)하여 주파수 대역의 파워스펙트럼으로 변환하고, 파워스펙트럼의 각 주파수 값을 정규화하여 나온 결과값을 이용하여 다중 의도 특징정보 데이터를 추출하는 단계일 수 있다.
또한, 본 발명의 일 실시예에 따르면, 특징정보 데이터는 프로세서에 의해 판단된 정규화 통해 나온 결과값이 기설정된 주파수값 이상인 제1 경우 또는 정규화 통해 나온 결과값의 기울기의 변화량이 기설정된 기울기값 이상인 제2 경우를 포함하는 구간의 데이터일 수 있다.
또한, 본 발명의 일 실시예에 따르면, 정규화는 파워스펙트럼의 각 주파수 값에서 휴식상태의 파워스펙트럼의 각 주파수별 평균을 빼준 뒤 표준편차로 나누는 것일 수 있다.
또한, 본 발명의 일 실시예에 따르면, 출력하는 단계는 적어도 하나 이상의 특징정보 데이터를 인공신경망 모델에 입력하여 나온 적어도 하나 이상의 출력값들을 동시에 출력하는 것을 특징으로 하는 단계일 수 있다.
또한, 본 발명의 일 실시예에 따르면, 다기능 뇌 컴퓨터 인터페이스 방법을 컴퓨터상에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체를 제공한다.
상기한 목적들을 달성하기 위한 구체적인 사항들은 첨부된 도면과 함께 상세하게 후술될 실시예들을 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라, 서로 다른 다양한 형태로 구성될 수 있으며, 본 발명의 개시가 완전하도록 하고 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자(이하, "통상의 기술자")에게 발명의 범주를 완전하게 알려주기 위해서 제공되는 것이다.
본 발명의 일 실시예에 의하면, 다기능 뇌 컴퓨터 인터페이스 장치는 복수의 특징정보 데이터를 동시에 출력가능 하도록 하여 동시에 다양한 일의 수행할 수 있다.
본 발명의 효과들은 상술된 효과들로 제한되지 않으며, 본 발명의 기술적 특징들에 의하여 기대되는 잠정적인 효과들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
상기 언급된 본 발명 내용의 특징들이 상세하게, 보다 구체화된 설명으로, 이하의 실시예들을 참조하여 이해될 수 있도록, 실시예들 중 일부는 첨부되는 도면에서 도시된다. 또한, 도면과의 유사한 참조번호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭하는 것으로 의도된다. 그러나 첨부된 도면들은 단지 본 발명 내용의 특정한 전형적인 실시예들만을 도시하는 것일 뿐, 본 발명의 범위를 한정하는 것으로 고려되지는 않으며, 동일한 효과를 갖는 다른 실시예들이 충분히 인식될 수 있다는 점을 유의하도록 한다.
도 1은 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 장치를 개략적으로 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 장치의 프로세서의 구성요소를 개략적으로 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 장치의 프로세서의 신호처리과정을 개략적으로 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 장치의 정규화과정을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 방법의 순서도이다.
본 발명은 다양한 변경을 가할 수 있고, 여러 가지 실시예들을 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다.
청구범위에 개시된 발명의 다양한 특징들은 도면 및 상세한 설명을 고려하여 더 잘 이해될 수 있을 것이다. 명세서에 개시된 장치, 방법, 제법 및 다양한 실시예들은 예시를 위해서 제공되는 것이다. 개시된 구조 및 기능상의 특징들은 통상의 기술자로 하여금 다양한 실시예들을 구체적으로 실시할 수 있도록 하기 위한 것이고, 발명의 범위를 제한하기 위한 것이 아니다. 개시된 용어 및 문장들은 개시된 발명의 다양한 특징들을 이해하기 쉽게 설명하기 위한 것이고, 발명의 범위를 제한하기 위한 것이 아니다.
본 발명을 설명함에 있어서, 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그 상세한 설명을 생략한다.
이하에서 언급되는 "다기능 뇌 컴퓨터 인터페이스 장치"는 네트워크를 통해 서버나 타 단말에 접속할 수 있는 컴퓨터나 휴대용 단말기로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop) 등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet), LTE(Long Term Evolution) 통신 기반 단말, 스마트폰, 태블릿 PC 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 또한, “네트워크”는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.
이하, 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 장치 및 방법을 설명한다.
도 1은 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 장치를 개략적으로 도시한 블록도이다.
도 1을 참조하면, 다기능 뇌 컴퓨터 인터페이스 장치(10)는 뇌파 측정부(100), 메모리(200) 및 프로세서(300)를 포함할 수 있다.
일 실시예에서, 뇌파 측정부(100)는 프로세서(300)의 제어에 의해, 사용자의 신체의 일부에 부착하여 사용자의 뇌파(electroencephalogram, EEG)를 측정할 수 있다. 이때, 뇌파 측정부(100)는 사용자의 복수의 뇌 영역에 접촉되는 복수의 채널로부터 뇌파를 측정한다. 뇌파 측정부(100)는 EEG, MEG, ECoG, NIRS 등의 뇌 신호를 측정하는 장비 중 어느 하나 일 수 있다.
일 실시예에서, 메모리(200)는 다기능 뇌 컴퓨터 인터페이스 장치(10)와 연계된 로봇팔 장치(미도시)의 동작을 제어하기 위한 제어 신호를 생성하는 프로그램을 저장할 수 있다. 이때, 메모리(200)는 전원이 공급되지 않아도 저장된 정보를 유지하는 비휘발성(non-volatile) 저장 장치 및 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장 장치를 통칭하는 것일 수 있다.
도 2는 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 장치의 프로세서의 구성요소를 개략적으로 도시한 블록도이다. 또한, 도 3은 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 장치의 프로세서의 신호처리과정을 개략적으로 도시한 도면이고, 도 4는 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 장치의 정규화과정을 도시한 도면이다.
도 2 내지 도 4를 참조하면, 프로세서는(300)는 다기능 뇌 컴퓨터 인터페이스 장치(10)의 전반적인 동작을 제어하기 위한 하나 이상의 구성 요소를 포함한다. 특히, 프로세서(300)는 메모리(200)에 저장된 프로그램을 독출하고, 상기 프로그램을 수행하는 적어도 하나의 프로세서를 포함할 수 있다.
또한, 프로세서(300)는 메모리(200)에 저장된 프로그램의 실행에 따라 다양한 기능을 수행할 수 있는데, 각 기능에 따라 프로세서(300)에 포함되는 세부 모듈들은 전처리부(310), 다중 의도 특징추출부(320), 다중 의도 분류부(330) 및 제어신호 생성부(340)로 구성할 수 있다.
즉, 프로세서(300)는 사용자로부터 측정부위별로 측정된 뇌파신호들을 기초로, 부위별 즉, 채널별로 측정된 상기 뇌파신호들의 다중 의도 특징정보를 포함하도록 특징정보 데이터를 추출하고, 추출된 데이터들을 인공신경망 모델에 입력하여 나온 출력값들을 통해 다중 의도에 대응되는 제어신호를 생성하고, 생성된 제어 신호를 출력할 수 있다.
예를 들어, 전동휠체어를 제어하여 장소를 이동함과 동시에 컴퓨터에 글자를 타이핑하기 원하는 상황이라 가정하면, 측정된 뇌파신호에는 장소 이동 및 타이핑의 다중 의도가 포함되며, 뇌파 신호 중 잡음 제거 후 장소 이동 관련 뇌파 특징과 타이핑 관련 뇌파 특징을 동시에 추출하게 된다. 이러한 다중 의도 특징정보 데이터를 인공신경망 모델에 입력하여 나온 출력값들의 분류를 통해 사용자의 다중 의도를 분류할 수 있게 된다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다.
보다 구체적으로, 전처리부(310)는 뇌파 측정부(100)에 의해 측정된 뇌파에 대응하는 신호 처리를 수행할 수 있다. 즉, 전처리부(310)는 뇌파 측정부(310)에서 측정한 뇌파신호로부터 잡음을 제거할 수 있다. 예를 들어, 전처리부(310)는 측정된 뇌파에 대한 노이즈 필터링, 주파수 필터링, 라플라시안 공간 필터링 등을 수행할 수 있다.
구체적으로, 전처리부(310)는 측정된 뇌파신호를 설정된 시간만큼 일정구간을 자르는 에포킹(epoching) 및 에포킹된 뇌파신호들의 잡음을 필터링하는 필터를 포함할 수 있다. 또한, 에포킹은 뇌파 측정부(100)를 통해 실시간 연속적으로 측정된 뇌파신호 중 필요한 구간의 신호를 자르는 역할을 수행할 수 있다. 에포킹은 실시간 연속적으로 측정된 뇌파신호 데이터 처리를 위한 것으로, 지정된 시간만큼 일정 구간을 분할하는 것이다. 예컨대, 뇌파신호를 1초 크기씩 0.1초 간격으로 에포킹하여 사용될 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다. 상기 에포킹 등의 전처리 과정은 생략되거나 추가될 수 있다.
또한, 전처리부(310)는 잡음 제거를 위한 필터를 포함할 수 있으며, 필터는 저역통과필터, 고역통과필터, 대역통과필터 및 노치필터 중 어느 하나일 수 있다. 또한, 전처리부(310)는 차원 축소를 위한 독립성분분석법(ICA) 또는 주성분분석법(PCA) 등을 포함할 수 있다. 예컨대, 측정환경 주변의 60Hz의 전원공급에 따른 노이즈를 제거하기 위해 저역통과필터를 이용해 저역 주파수(1~50Hz) 대역만을 필터링할 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다. 상기 에포킹 등의 전처리 과정은 생략되거나 추가될 수 있다.
또한, 다중 의도 특징추출부(320)는 전처리부(310)를 통해 잡음이 제거된 뇌파신호로부터 사용자의 다중 의도가 포함된 특징정보 데이터들을 추출할 수 있다. 다중 의도 특징추출부(320)는 사용자의 의도를 반영하는 특징을 추출하기 위해 푸리에 변환(Fourier Transform), 파워스펙트럼(Power Spectrum, PS), 다운 샘플링(Down Sampling), 정규화(Normalization) 과정을 적어도 하나 이상 포함할 수 있다.
또한, 다중 의도 특징추출부(320)를 통해 추출된 출력의 특징은 각 전극별 정규화된 파워스펙트럼 값일 수도 있고, 다운 샘플링된 뇌파신호일 수도 있다. 또한 파워스펙트럼의 표준편차를 구해 표준편차의 n배가 넘는 값들만 특징으로 사용될 수도 있다.
구체적으로, 다중 의도 특징추출부(320)는 전처리부(310)를 통해 전처리된 뇌파신호들을 고속 푸리에변환(Fast Fourier Transform; FFT)하여 주파수 대역의 파워스펙트럼(Power Spectrum)으로 변환하고, 파워스펙트럼(PS)의 각 주파수 값을 정규화(Normalization)하여 나온 결과값들을 이용하여 특징정보 데이터들을 추출할 수 있다. 특정 주파수로 깜빡이는 시각자극을 본 피험자의 뇌파는 해당 주파수와 동일한 주파수에서 파워가 높게 나오게 되는데 이 특징을 확인하기 위해 시계열 데이터를 주파수 대역의 파워스펙트럼으로 변환시키는 것이다.
여기서 특징정보 데이터는 프로세서(300)에 의해 판단된, 정규화(Normalization) 과정을 통해 나온 결과값이 기설정된 주파수값 이상인 제1 경우 또는 정규화 통해 나온 결과값의 기울기의 변화량이 기설정된 기울기값 이상인 제2 경우가 포함된 구간의 데이터를 의미할 수 있다.
또한, 프로세서(300)는 정규화(Normalization) 과정을 통해 나온 결과값이 기설정된 주파수값 이상인 경우를 특징정보 데이터로 판단할 수 있다. 또는, 프로세서(300)는 정규화(Normalization) 과정을 통해 나온 결과값의 기울기의 변화량이 기설정된 기울기값 이상인 경우를 특징정보 데이터로 판단할 수 있다.
또한, 정규화(Normalization)는 파워스펙트럼(PS)의 각 주파수 값에서 휴식상태(Rest)의 파워스펙트럼(PS)의 각 주파수별 평균을 빼준 뒤 표준편차로 나누는 과정일 수 있다.
예컨대, 파워스펙트럼(PS) 구간의 뇌파의 특성을 반영하도록 수 Hz 내지 수십, 수백 Hz가 될 수 있다. 다운 샘플링은 20ms 간격이 사용 가능하나 사람이나 상황에 따라 수ms 내지 수백 ms 정도의 간격을 사용할 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다.
일 실시예에서, 다중 의도 분류부(330)는 다중 의도 특징추출부(320)에서 추출된 데이터를 인공신경망 모델에 입력하여 나온 출력값을 통해 다중 의도를 분류할 수 있다. 또한, 다중 의도 분류부(330)는 인공신경망(neuralnetworks) 또는 딥러닝(deep learning) 모델을 이용하여 분류할 수 있으며, 서포트 벡터 머신(support vector machine), 회귀(regression) 또는 칼만필터(Kalman filter) 등의 모델을 사용하여 다중 의도를 분류할 수도 있다.
일 실시예에서, 제어신호 생성부(340)는 다중 의도 분류부(330)에서 분류된 특징정보 데이터에 대응되는 제어신호를 생성할 수 있다.
또한, 프로세서(300)는 적어도 하나 이상의 특징정보 데이터를 인공신경망 모델에 입력하여 나오는 적어도 하나 이상의 출력값들을 동시에 출력하는 것을 특징으로 할 수 있다. 예컨대, 복수의 출력값을 동시에 출력함으로써, 우측으로 오른팔을 이동하면서, 왼팔로는 물체를 잡는 등 복수개의 제어신호를 동시에 출력할 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다.
도 5는 본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 방법의 순서도이다.
도 5를 참조하면, 다기능 뇌 컴퓨터 인터페이스 방법(S500)은 뇌파를 측정하는 뇌파 측정단계(S510), 측정된 뇌파신호로부터 잡음을 제거하는 전처리단계(S520), 잡음이 제거된 뇌파신호로부터 사용자의 다중 의도가 포함된 특징정보 데이터들을 추출하는 다중 의도 특징추출단계(S530), 추출된 데이터들을 인공신경망 모델에 입력하여 나온 출력값들을 통해 다중 의도를 분류하는 다중 의도 데이터 분류단계(S540), 분류된 다중 의도에 대응되는 제어신호를 생성하는 제어신호 생성단계(S550) 및 생성된 제어 신호를 출력하는 단계(S560)를 포함할 수 있다.
일 실시예에서, 뇌파 측정단계(S510)는 뇌파 측정부(100)가 프로세서(300)의 제어에 의해, 사용자의 신체의 일부에 부착하여 사용자의 뇌파(electroencephalogram, EEG)를 측정하는 단계일 수 있다.
일 실시예에서, 전처리단계(S520)는 뇌파 측정단계(S510)에서 측정된 뇌파신호로부터 잡음을 제거하는 단계일 수 있다.
또한, 전처리단계(S520)는 측정된 뇌파신호를 설정된 시간만큼 일정구간을 자르는 에포킹단계 및 에포킹된 뇌파신호들의 잡음을 필터링하는 필터단계를 포함할 수 있으며, 필터는 저역통과필터, 고역통과필터, 대역통과필터 및 노치필터 중 어느 하나일 수 있다.
또한, 에포킹단계는 뇌파 측정단계(S510)를 통해 실시간 연속적으로 측정된 뇌파신호 중 필요한 구간의 신호를 자르는 역할을 수행할 수 있다. 에포킹단계는 실시간 연속적으로 측정된 뇌파신호 데이터 처리를 위한 것으로, 지정된 시간만큼 일정 구간을 분할하는 것이다. 에포킹단계 등의 전처리 과정은 생략되거나 추가될 수 있다.
또한, 전처리단계(S520)는 잡음 제거를 위한 필터를 포함할 수 있으며, 필터는 저역통과필터, 고역통과필터, 대역통과필터 및 노치필터 중 어느 하나일 수 있다. 또한, 전처리단계(S520)는 차원 축소를 위한 독립성분분석법(ICA) 또는 주성분분석법(PCA) 등을 포함할 수 있다. 예컨대, 측정환경 주변의 60Hz의 전원공급에 따른 노이즈를 제거하기 위해 저역통과필터를 이용해 저역 주파수(1~50Hz) 대역만을 필터링할 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다. 상기 에포킹 등의 전처리 과정은 생략되거나 추가될 수 있다.
일 실시예에서, 다중 의도 특징추출단계(S530)는 전처리단계(S520)를 통해 잡음이 제거된 뇌파신호로부터 사용자의 다중 의도가 포함된 특징정보 데이터를 추출하는 단계일 수 있다.
또한, 다중 의도 특징추출단계(S530)는 전처리단계(S520)에서 전처리된 뇌파신호를 고속푸리에변환(fast fourier transform; FFT)하여 주파수 대역의 파워스펙트럼으로 변환하고, 파워스펙트럼의 각 주파수 값을 정규화하여 나온 결과값을 이용하여 특징정보 데이터를 추출하는 단계일 수 있다.
여기서 특징정보 데이터는 프로세서(300)에 의해 판단된 정규화(Normalization) 과정을 통해 나온 결과값이 기설정된 주파수값 이상인 제1 경우 또는 정규화 통해 나온 결과값의 기울기의 변화량이 기설정된 기울기값 이상인 제2 경우가 포함된 구간의 데이터를 의미할 수 있다.
또한, 정규화(Normalization)는 파워스펙트럼(PS)의 각 주파수 값에서 휴식상태(Rest)의 파워스펙트럼(PS)의 각 주파수별 평균을 빼준 뒤 표준편차로 나누는 과정일 수 있다.
예컨대, 파워스펙트럼(PS) 구간의 뇌파의 특성을 반영하도록 수 Hz 내지 수십, 수백 Hz가 될 수 있다. 다운 샘플링은 20ms 간격이 사용 가능하나 사람이나 상황에 따라 수ms 내지 수백 ms 정도의 간격을 사용할 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다.
일 실시예에서, 다중 의도 분류단계(S540)는 다중 의도 특징추출단계(S530)에서 추출된 데이터들을 인공신경망 모델에 입력하여 나온 출력값을 통해 다중 의도를 분류할 수 있다.
일 실시예에서, 제어신호 생성단계(S550)는 데이터 분류단계(S540)에서 다중 의도에 대응되는 제어신호를 생성하는 단계일 수 있다.
일 실시예에서, 제어 신호를 출력하는 단계(S560)는 제어신호 생성단계(S550)에서 생성된 제어 신호를 출력하는 단계일 수 있다. 또한, 제어 신호를 출력하는 단계(S560)는 제어신호 생성단계(S550)에서 생성된 적어도 하나 이상의 특징정보 데이터를 인공신경망 모델에 입력하여 나온 적어도 하나의 출력값들을 동시에 출력하는 것을 특징으로 하는 단계일 수 있다. 예컨대, 복수의 출력값들을 동시에 출력함으로써, 우측으로 오른팔을 이동하면서, 왼팔로는 물체를 잡는 등 복수개의 제어신호를 동시에 출력할 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다.
본 발명의 일 실시예에 따른 다기능 뇌 컴퓨터 인터페이스 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 장치는 특정 실시예와 관련하여 설명되었지만, 그것들의 구성요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
이상의 설명은 본 발명의 기술적 사상을 예시적으로 설명한 것에 불과한 것으로, 통상의 기술자라면 본 발명의 본질적인 특성이 벗어나지 않는 범위에서 다양한 변경 및 수정이 가능할 것이다.
따라서, 본 명세서에 개시된 실시예들은 본 발명의 기술적 사상을 한정하기 위한 것이 아니라, 설명하기 위한 것이고, 이러한 실시예들에 의하여 본 발명의 범위가 한정되는 것은 아니다.
본 발명의 보호범위는 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 이해되어야 한다.
10: 다기능 뇌 컴퓨터 인터페이스 장치
100: 뇌파 측정부
200: 메모리
300: 프로세서
310: 전처리부
320: 다중 의도 특징추출부
330: 다중 의도 분류부
340: 제어신호 생성부

Claims (14)

  1. 다기능 뇌 컴퓨터 인터페이스 장치에 있어서,
    뇌파를 측정하는 뇌파 측정부;
    상기 장치가 상기 장치와 연계된 제어신호를 생성하는 프로그램이 저장된 메모리; 및
    상기 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하되,
    상기 프로세서는 상기 프로그램의 실행에 따라,
    사용자로부터 측정된 뇌파신호를 기초로, 상기 뇌파신호의 다중 의도 특징정보를 포함하도록 특징정보 데이터들을 추출하고, 상기 추출된 데이터들을 인공신경망 모델에 입력하여 나온 출력값들을 통해 다중 의도에 대응되는 제어신호를 생성하고, 상기 생성된 제어신호를 출력하는,
    다기능 뇌 컴퓨터 인터페이스 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 측정된 뇌파신호로부터 잡음을 제거하는 전처리부;
    상기 잡음이 제거된 뇌파신호로부터 사용자의 다중 의도가 포함된 특징정보 데이터들을 추출하는 다중 의도 특징추출부;
    상기 추출된 데이터들을 인공신경망 모델에 입력하여 나온 다중 의도 출력값을 통해 다중 의도를 분류하는 다중 의도 분류부; 및
    상기 분류된 다중 의도에 대응되는 제어신호를 생성하는 제어신호 생성부를 포함하는,
    다기능 뇌 컴퓨터 인터페이스 장치.
  3. 제2항에 있어서,
    상기 전처리부는,
    상기 측정된 뇌파신호를 설정된 시간만큼 일정구간을 자르는 에포킹(epoching); 및
    상기 에포킹된 뇌파신호들의 잡음을 필터링하는 필터를 포함하고,
    상기 필터는 저역통과필터, 고역통과필터, 대역통과필터 및 노치필터 중 어느 하나인,
    다기능 뇌 컴퓨터 인터페이스 장치.
  4. 제2항에 있어서,
    상기 다중 의도 특징추출부는,
    상기 전처리된 뇌파신호들을 고속푸리에변환(fast fourier transform; FFT)하여 주파수 대역의 파워스펙트럼으로 변환하고, 상기 파워스펙트럼의 각 주파수 값을 정규화하여 나온 결과값을 이용하여 다중 의도 특징정보 데이터를 추출하는,
    다기능 뇌 컴퓨터 인터페이스 장치.
  5. 제4항에 있어서,
    상기 특징정보 데이터는,
    상기 프로세서에 의해 판단된 상기 정규화 통해 나온 결과값이 기설정된 주파수값 이상인 제1 경우 또는 상기 정규화 통해 나온 결과값의 기울기의 변화량이 기설정된 기울기값 이상인 제2 경우를 포함하는 구간의 데이터인,
    다기능 뇌 컴퓨터 인터페이스 장치.
  6. 제4항에 있어서,
    상기 정규화는,
    상기 파워스펙트럼의 각 주파수 값에서 휴식상태의 파워스펙트럼의 각 주파수별 평균을 빼준 뒤 표준편차로 나누는 것인,
    다기능 뇌 컴퓨터 인터페이스 장치.
  7. 제1항에 있어서,
    상기 프로세서는,
    적어도 하나 이상의 특징정보 데이터들을 인공신경망 모델에 입력하여 나오는 적어도 하나 이상의 출력값들을 동시에 출력하는 것을 특징으로 하는,
    다기능 뇌 컴퓨터 인터페이스 장치.
  8. 다기능 뇌 컴퓨터 인터페이스 방법에 있어서,
    뇌파를 측정하는 뇌파 측정단계;
    상기 측정된 뇌파신호로부터 잡음을 제거하는 전처리단계;
    상기 잡음이 제거된 뇌파신호로부터 사용자 다중 의도가 포함된 특징정보 데이터들을 추출하는 다중 의도 특징추출단계;
    상기 추출된 데이터들을 인공신경망 모델에 입력하여 나온 출력값들을 통해 사용자의 다중 의도를 분류하는 다중 의도 분류단계;
    상기 분류된 다중 의도에 대응되는 제어신호를 생성하는 제어신호 생성단계; 및
    상기 생성된 제어 신호를 출력하는 단계를 포함하는,
    다기능 뇌 컴퓨터 인터페이스 방법.
  9. 제8항에 있어서,
    상기 전처리단계는,
    상기 측정된 뇌파신호를 설정된 시간만큼 일정구간을 자르는 에포킹단계; 및
    상기 에포킹된 뇌파신호들의 잡음을 필터링하는 필터단계를 포함하고,
    상기 필터는 저역통과필터, 고역통과필터, 대역통과필터 및 노치필터 중 어느 하나인,
    다기능 뇌 컴퓨터 인터페이스 방법.
  10. 제8항에 있어서,
    상기 다중 의도 특징추출단계는,
    상기 전처리된 뇌파신호들을 고속푸리에변환(fast fourier transform; FFT)하여 주파수 대역의 파워스펙트럼으로 변환하고, 상기 파워스펙트럼의 각 주파수 값을 정규화하여 나온 결과값을 이용하여 다중 의도 특징정보 데이터를 추출하는 단계인,
    다기능 뇌 컴퓨터 인터페이스 방법.
  11. 제10항 있어서,
    상기 특징정보 데이터는,
    상기 프로세서에 의해 판단된 상기 정규화 통해 나온 결과값이 기설정된 주파수값 이상인 제1 경우 또는 상기 정규화 통해 나온 결과값의 기울기의 변화량이 기설정된 기울기값 이상인 제2 경우를 포함하는 구간의 데이터인,
    다기능 뇌 컴퓨터 인터페이스 방법.
  12. 제10항에 있어서,
    상기 정규화는,
    상기 파워스펙트럼의 각 주파수 값에서 휴식상태의 파워스펙트럼의 각 주파수별 평균을 빼준 뒤 표준편차로 나누는 것인,
    다기능 뇌 컴퓨터 인터페이스 방법.
  13. 제8항에 있어서,
    상기 출력하는 단계는,
    적어도 하나 이상의 특징정보 데이터를 인공신경망 모델에 입력하여 나온 적어도 하나 이상의 출력값들을 동시에 출력하는 것을 특징으로 하는 단계인,
    다기능 뇌 컴퓨터 인터페이스 방법.
  14. 제8항 내지 제13항 중 어느 한 항에 기재된 방법을 컴퓨터 상에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.
KR1020200137658A 2020-10-22 2020-10-22 다기능 뇌 컴퓨터 인터페이스 장치 및 방법 KR102557024B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200137658A KR102557024B1 (ko) 2020-10-22 2020-10-22 다기능 뇌 컴퓨터 인터페이스 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200137658A KR102557024B1 (ko) 2020-10-22 2020-10-22 다기능 뇌 컴퓨터 인터페이스 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20220053329A true KR20220053329A (ko) 2022-04-29
KR102557024B1 KR102557024B1 (ko) 2023-07-17

Family

ID=81428919

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200137658A KR102557024B1 (ko) 2020-10-22 2020-10-22 다기능 뇌 컴퓨터 인터페이스 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102557024B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115277665A (zh) * 2022-08-08 2022-11-01 北京视友科技有限责任公司 基于互联网的脑机接口系统
KR102570451B1 (ko) * 2022-07-29 2023-08-28 고려대학교 세종산학협력단 생체 신호를 이용한 사용자 맞춤형 음성기반 인터랙션 시스템의 설계변수 평가 장치 및 방법
WO2024031064A1 (en) * 2022-08-04 2024-02-08 California Institute Of Technology Features extraction network for estimating neural activity from electrical recordings
CN115277665B (zh) * 2022-08-08 2024-06-11 北京视友科技有限责任公司 基于互联网的脑机接口系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180123365A (ko) * 2017-05-08 2018-11-16 고려대학교 산학협력단 문맥 인식형 뇌-기계 인터페이스 장치 및 방법
KR20190097146A (ko) 2016-12-14 2019-08-20 이너 코스모스 엘엘씨 뇌 컴퓨터 인터페이스 시스템 및 그 사용 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190097146A (ko) 2016-12-14 2019-08-20 이너 코스모스 엘엘씨 뇌 컴퓨터 인터페이스 시스템 및 그 사용 방법
KR20180123365A (ko) * 2017-05-08 2018-11-16 고려대학교 산학협력단 문맥 인식형 뇌-기계 인터페이스 장치 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
이다빛 외 3인, "컨볼루션 신경망을 이용한 동작 상상 뇌파 분류," 한국정보기술학회논문지, pp.103-110, 2017.06.* *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102570451B1 (ko) * 2022-07-29 2023-08-28 고려대학교 세종산학협력단 생체 신호를 이용한 사용자 맞춤형 음성기반 인터랙션 시스템의 설계변수 평가 장치 및 방법
WO2024031064A1 (en) * 2022-08-04 2024-02-08 California Institute Of Technology Features extraction network for estimating neural activity from electrical recordings
CN115277665A (zh) * 2022-08-08 2022-11-01 北京视友科技有限责任公司 基于互联网的脑机接口系统
CN115277665B (zh) * 2022-08-08 2024-06-11 北京视友科技有限责任公司 基于互联网的脑机接口系统

Also Published As

Publication number Publication date
KR102557024B1 (ko) 2023-07-17

Similar Documents

Publication Publication Date Title
Alomari et al. Automated classification of L/R hand movement EEG signals using advanced feature extraction and machine learning
KR102557024B1 (ko) 다기능 뇌 컴퓨터 인터페이스 장치 및 방법
Gupta et al. Detecting eye movements in EEG for controlling devices
Alamdari et al. A review of methods and applications of brain computer interface systems
Bayram et al. Classification of EEG signals by using support vector machines
CN113208593A (zh) 基于相关性动态融合的多模态生理信号情绪分类方法
Shioji et al. Personal authentication based on wrist EMG analysis by a convolutional neural network
Tanaka et al. SSVEP frequency detection methods considering background EEG
Mane et al. StressNet: Hybrid model of LSTM and CNN for stress detection from electroencephalogram signal (EEG)
Zhao et al. Human-computer interaction for augmentative communication using a visual feedback system
WO2024032728A1 (zh) 一种智能人机协同系统测评方法、装置及存储介质
Chatterjee et al. Performance evaluation of manifold algorithms on a P300 paradigm based online BCI dataset
Sueaseenak et al. An accurate forearm EMG signal classification method using two‐channel electrode
Bousseta et al. EEG efficient classification of imagined right and left hand movement using RBF kernel SVM and the joint CWT_PCA
Alomari et al. Eeg-based classification of imagined fists movements using machine learning and wavelet transform analysis
Kamrunnahar et al. Toward a model-based predictive controller design in brain–computer interfaces
Zhang et al. Brain-controlled robotic arm based on adaptive FBCCA
CN112070141A (zh) 一种融合注意力检测的ssvep异步分类方法
Shilaskar et al. Fusion of EEG, EMG, and ECG Signals for Accurate Recognition of Pain, Happiness, and Disgust
Soeiro EEG Signal Analysis Using PCA and Logistic Regression
Mardini et al. Detecting human emotions using electroencephalography (EEG) using dynamic programming approach
Vélez et al. Algorithm for Detection of Raising Eyebrows and Jaw Clenching Artifacts in EEG Signals Using Neurosky Mindwave Headset
Aziz et al. Analysis of Electroencephalogram (EEG) signals
Dongxue et al. Design of an online BCI system based on CCA detection method
Zabidi et al. Classification of EEG signal from imagined writing using a combined Autoregressive model and multi-layer perceptron

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant