Earticle

초록

영어

EEG is a complex signal that reflects an active brain state and requires signal processing, feature extraction, and an appropriate classification algorithm for accurate interpretation. BCI refers to a system that enables people with disabilities to communicate with their surroundings. EEG device is used to record brain signals in BCI system. Feature extraction and classification of EEG signals is an important part that affects the reliability of the BCI applications. In this paper, we propose a deep learning model for EEG signal classification during motor imagery. In orer to propose an effective model, the data measured through the wearable EEG device were applied to the multi-layer perceptron, CNN, and LSTM model, and then the performance of the three models was compared and analyzed. Among the three models, the CNN model had the highest classification accuracy, which was about 84%.

한국어

EEG는 활동 중인 뇌 상태를 반영하는 복잡한 신호이며 정확한 해석을 위해서는 신호처리와 특징추출 그 리고 적절한 분류알고리즘이 필요하다. BCI는 몸이 불편한 사람이 주변 환경과 소통할 수 있는 시스템을 말한다. EEG장치는 BCI 시스템에서 뇌신호를 기록하기 위해 널리 사용된다. EEG 신호의 전처리, 특징추출과 분류는 BCI 응용 분야에서 시스템의 신뢰도에 영향을 미치는 중요한 부분이다. 본 논문에서는 운동상상할 때의 EEG 신 호 분류를 위해 딥러닝 모델을 제안하고자 한다. 효과적인 모델 제안을 위해 웨어러블 EEG 장치를 통해 측정된 데이터를 다층신경망 모델, 합성곱신경망 모델, 순환신경망 모델에 적용한 후 세 모델 간 성능을 비교, 분석하였 다. 세 모델 중 합성곱신경망 모델의 분류정확도가 가장 높았으며, 약 84%로 나타났다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련연구
Ⅲ. 연구 방법
3.1 EEG 데이터 수집
3.2 딥러닝 모델
Ⅳ. 결과
Ⅴ. 결론
REFERENCES

키워드

뇌신호 뇌-컴퓨터 인터페이스 운동상상 뇌신호 분류 딥러닝 합성곱신경망 Electroencephalography(EEG) Brain-computer interface(BCI) Motor imagery(MI) EEG classification deep learning Convolutional neural network(CNN)

저자

• 서쌍희 [ Ssang-Hee Seo | 경남대학교 컴퓨터공학부 교수 ] Corresponding Author

참고문헌

발행기관

간행물