Earticle

현재 위치 Home

LSTM을 이용한 동작 상상 뇌파 분류
Motor Imagery EEG Signal Classification Using LSTM

첫 페이지 보기
  • 발행기관
    국제차세대융합기술학회 바로가기
  • 간행물
    차세대융합기술학회논문지 KCI 등재 바로가기
  • 통권
    제8권 2호 (2024.02)바로가기
  • 페이지
    pp.223-229
  • 저자
    황정희
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A443126

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

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.
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.

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

키워드

뇌-컴퓨터 인터페이스 뇌전도 Common spatial pattern 동작상상 딥러닝 Brain-computer interface Electroencephalography Common spatial pattern Motor imagery Deep learning

저자

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

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제차세대융합기술학회 [International Next-generation Convergence technology Association]
  • 설립연도
    2017
  • 분야
    복합학>기술정책
  • 소개
    Ever since next generation convergence technology became one of the most important industries in the nation, computing professionals have encountered a growing number of challenges. Along with scholars and colleagues in related fields, they have gathered in avariety of forums and meetings over the last few decades to share their knowledge, experiences and the outcome of their research. These exchanges have led to the founding of the International Next-generation Convergence technology (INCA) on December 1, 2015. INCA was registered as an incorporated association under the Ministry of Information and Communications. The main purpose of the organization is to improve our society by achieving the highest capability possible in next generation convergence technology.

간행물

  • 간행물명
    차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]
  • 간기
    월간
  • pISSN
    2508-8270
  • 수록기간
    2017~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 506 DDC 606

이 권호 내 다른 논문 / 차세대융합기술학회논문지 제8권 2호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.