1일차: BCI 기본 개념과 원리 (25-01-21)

1. BCI와 EEG의 개념

BCI(Brain-Computer Interface)란?

정의
- 뇌와 외부 장치 간의 직접적인 상호작용 방식으로, 뇌 신호를 읽어 기계를 제어하거나 외부 정보를 뇌에 다시 전달할 수 있음.
  https://www.mdpi.com/1424-8220/23/13/6001

작동 원리
- 뇌 신호 측정: 뇌에서 발생하는 전기 신호를 EEG 장비로 측정.
- 데이터 처리: 측정한 신호를 분석하고 특징(Feature)을 추출.
- 결과 출력: 데이터를 기반으로 컴퓨터, 로봇, 혹은 디지털 장치를 제어.
구조
- Signal Collection (신호 수집): 뇌파 데이터를 센서를 통해 수집.
- Signal Processing (신호 처리): 데이터를 정리하고 필요한 정보(특징)를 추출.
- Application (응용): 분석 결과를 활용해 기계를 제어하거나 상태를 시각화.

EEG(Electroencephalogram)란?

정의
- 비침습적 방법으로 뇌에서 발생하는 전기 신호를 기록하는 방식으로, 신경세포가 활동할 때 발생하는 미세한 전기 신호를 캡처해서 시계열 데이터로 저장함.
특징
- 신호는 주로 Hz(주파수)와 μV(전압)로 표현.
- EEG는 뇌의 활동 상태를 반영하기 때문에, 감정, 집중력, 수면 상태 등을 추적할 수 있음.

10-20 System이란?

정의
- 머리 표면에 EEG 전극을 배치하는 기준을 제공하는 시스템.
- 각 전극 사이의 거리가 머리 크기의 10% 또는 20% 비율로 설정되어 있음.
목적
- 전극 위치를 일관성 있게 배치하여 실험 결과를 비교 가능하게 함.
- 각 위치는 뇌의 특정 영역과 관련이 있어서, 신경 활동을 분석하는 데 유용함.
전극 배치 방식
- 아래의 기준점을 연결한 후, 길이의 10%와 20% 간격으로 전극을 배치함.
- 기준점:
  https://www.researchgate.net/figure/EEG-10-20-Electrode-Placement_fig1_286371237
  - Nasion: 이마 중심점.
  - Inion: 머리 뒤쪽 기준점.
  - Left/Right Preauricular Point: 귀 바로 위 양쪽 점.

2. EEG 주파수 대역

EEG의 주요 주파수 대역

Delta (0.5 – 4 Hz)
- 특징: 가장 느린 주파수 대역. 깊은 수면 상태나 무의식 상태에서 주로 발생.
- 연관 상태: 깊은 수면, 신경계 회복, 비몽사몽 상태.
Theta (4 – 8 Hz)
- 특징: 꿈을 꾸는 수면 상태, 깊은 휴식, 창의적인 상태에서 발생.
- 연관 상태: 깊은 명상, 상상, 창의적 사고나 강한 감정적 반응에서 활성화됨.
Alpha (8 – 13 Hz)
- 특징: 편안하고 안정적인 상태에서 발생. 눈을 감고 휴식할 때 주로 나타남.
- 연관 상태: 휴식, 눈을 감고 있거나 편안한 상태, 스트레스 해소.
Beta (13 – 30 Hz)
- 특징: 활동적인 상태에서 발생. 집중할 때, 정신적 활동을 할 때 주로 나타남.
- 연관 상태: 집중, 문제 해결, 의식적인 생각, 스트레스 상태.
Gamma (30 – 100 Hz)
- 특징: 가장 빠른 주파수 대역. 고급 인지 기능에서 활성화됨.
- 연관 상태: 고차원적인 사고, 기억, 학습 과정에서 나타나며, 뇌의 여러 영역들이 동시에 협력할 때 발생.

3. BCI 응용 사례

의료 분야: 신경 질환 치료, 뇌파 기반 보조기기, 수술 중 뇌 모니터링.
교육 분야: 학습 분석, 집중도 측정, 게임 기반 학습.
HCI: 로봇 제어, VR 및 AR.
감정 분석: 감정 상태 분석, 감정 조절.

2일차: BCI 시스템의 구성 요소 (25-01-22)

1. 하드웨어 및 소프트웨어 구성

하드웨어

EEG 헤드셋
- 역할
  - 사용자의 두피에서 발생하는 미세한 전기 신호(EEG)를 감지.
  - 이때 측정하는 신호의 강도가 매우 약하므로 이후 증폭이 필요.
- 특징
  - 전극 위치: 주로 국제적으로 사용되는 10-20 system에 따라 전극이 배치됨.
  - 전극 종류: 젤 기반 습식 전극, 건식 전극 두 가지의 방식 존재.
신호 증폭기
- 역할
  - EEG 신호는 일반적으로 수 마이크로볼트(µV) 수준으로 매우 작아서 직접 처리하기 어렵기 떄문에 이 신호를 증폭하여 사용 가능한 크기로 만듦.
- 주요 사양
  - gain: 신호를 몇 배로 증폭할지 결정.
  - 노이즈 억제: 신호를 증폭할 떄 불필요한 노이즈를 최소화.
ADC (Analog-to-Digital Converter)
- 역할
  - 증폭된 아날로그 신호를 디지털 데이터로 변환하여 컴퓨터가 처리할 수 있게 함.
- 특징
  - samplinf rate: 초당 측정하는 데이터의 포인트 수 (Ex. 128Hz)
  - bit resolution: 디지털 신호의 정밀도 (Ex. 16bit)
컴퓨터 혹은 처리 장치
- 역할
  - 디지털로 변환된 데이터를 저장, 분석, 출력하는 역할.
  - MBTLAB이나 EEG 헤드셋 제조사 제공 GUI를 사용해 데이터 분석과 실시간 처리 가능.

소프트웨어

신호 전처리
- 역할
  - 신호 필터링, 아티팩트 제거 등 전처리 과정을 통해 수집된 뇌파를 유용한 정보로 바꿈.
  - 대표적으로 Band-pass 필터, Notch 필터가 존재.
특징 추출 및 분석
- 역할
  - 뇌파 데이터를 분석하여 패턴이나 특징을 추출.
  - 대표적으로 Band Power나 Hjorth Parameters를 특징으로 사용.
  - Hjorth Parameters
    1. Activity (활동성)
      - 신호의 에너지를 나타내는 지표.
      - 뇌파의 진폭 크기를 기반으로 하며, 신경 활동이 활발할수록 값이 커짐.
      - 수학적으로는 신호의 분산을 사용하여 계산.
    2. Mobility (이동성)
      - 신호의 주파수 특성을 나타내는 지표.
      - 신호의 주파수 변화가 얼마나 빠른지, 즉 진폭이 시간에 따라 어떻게 변하는지를 측정.
      - 낮은 주파수는 이동성 값이 낮고, 높은 주파수는 이동성 값이 높음.
    3. Complexity (복잡성)
      - 신호의 비주기성이나 비선형성을 나타내는 지표.
      - 신호가 얼마나 복잡하고 다양한지를 측정하며, 뇌파가 일정한 패턴을 따르지 않고 복잡한 변화를 보일 때 값이 커짐.
      - 주로 자기상관을 기반으로 계산.
출력 및 인터페이스
- 역할
  - 분석 결과를 사용자가 인지하거나 제어할 수 있는 방식으로 출력.
  - 대표적으로 실시간 뇌파 데이터를 그래프나 차트로 시각화하거나, 뇌파 상태에 따라 시스템을 제어하는 인터페이스를 제공.

2. 뇌파 데이터 수집 및 처리 흐름

데이터 수집
- EEG 헤드셋이 두피에서 뇌파를 측정하고, 신호 증폭기를 통해 신호를 증폭.
- ADC는 아날로그 신호를 디지털 신호로 변환해 컴퓨터로 전송.
신호 처리
- 신호 처리 모듈에서 데이터를 전처리 (필터링, 아티팩트 제거 등).
- 특징 추출을 통해 분석에 필요한 정보를 뽑아냄.
분석 및 결과 출력
- 추출된 특징을 분석하고, 결과를 시각화하거나 피드백 시스템으로 출력.
- 이 단계에서 머신러닝 모델을 활용하여 인지 상태나 의도를 예측할 수 있음.

저작자표시 비영리 변경금지