Earticle

초록

한국어

BCI(Brain-Computer Interface)는 뇌파 신호를 측정하고 분석하여 사용자의 의도를 인식하고 제어하는 기술이다. 이와 관련하여 신체적 장애 및 인지 장애가 있는 사람들의 삶의 질을 향상시키기 위해 뇌파 및 눈 추적 기술들을 통합적으로 분석하는 연구들이 진행되고 있다. 동작 상상 뇌파 기반의 BCI는 동작을 상상할 때 변화 되는 뇌파의 분석을 통하여 실제로 동작하고자 하는 의도를 파악하기 위한 기술로써, 움직임의 의도를 정확하게 분류하는 것이 가장 중요하다. 본 논문에서는 뇌파의 분류 정확도를 높이기 위하여 슬라이딩 윈도우 기법을 이 용하여 데이터의 특징을 추출하고, 시간 변화에 민감한 뇌파의 특성을 반영하기 위해 딥러닝의 LSTM(Long Short-Term Memory)를 이용하여 분류를 수행하였다. 실험 결과는 왼손, 오른손, 발, 혀의 4개 클래스에 대한 분 류에서 기존 연구보다 더 높은 평균 97%의 정확도를 보여주었다.

영어

BCI (Brain-Computer Interface) is a technology that measures and analyzes brain wave signals to recognize and control the user's intention. In this regard, studies that comprehensively analyze EEG and eye tracking technologies are being conducted to improve the quality of life of people with physical and cognitive disabilities. Motor imagery(MI) EEG-based BCI is a technique for grasping the intention to actually move through the analysis of the brain waves that change when imagining a motion, and it is most important to accurately classify the motion intention. In this paper, features were extracted from data using sliding window techniques to increase the accuracy of classification of brain waves, and Long short-term memory (LSTM) of deep learning has been applied to classification to reflect the characteristics of time-sensitive brain waves. The experimental results showed an average accuracy of 97%, higher than that of previous studies, in classification for four classes: left, right, foot and tongue.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 뇌파 분류를 위한 제안 방법
2.1 뇌파의 특징 추출
2.2 분류
Ⅲ. 실험 결과 및 분석
Ⅳ. 결론
REFERENCES

저자

• 황정희 [ Jeong Hee Hwang | 남서울대학교 컴퓨터소프트웨어학과 교수 ] Corresponding Author

참고문헌