[논문 리뷰] A Plug&Play P300 BCI Using Information Geometry

Alexandre Barachant, Marco Congedo|arXiv (Cornell University)|2014. 08. 30.

EEG and Brain-Computer Interfaces참고 문헌 21인용 수 99

한 줄 요약

이 논문은 정보 기하학을 활용하여 이벤트 관련 잠재전위(ERP)를 분류하는 새로운 공분산 행렬 추정 방법을 통해, 이전에 SMR 기반 BCI에 국한되었던 리만 기하학 프레임워크를 ERP 데이터에 적용할 수 있도록 하는 플러그 앤 플레이 P300 BCI를 제안한다. 이 방법은 보편적인 파rameter로 초기화하고 실시간으로 적응적으로 보정함으로써 校정 없이도 높은 정확도를 달성하며, 데이터가 적은 조건에서도 다양한 피실험자와 세션 간에 강건한 성능을 보여준다.

ABSTRACT

This paper presents a new classification methods for Event Related Potentials (ERP) based on an Information geometry framework. Through a new estimation of covariance matrices, this work extend the use of Riemannian geometry, which was previously limited to SMR-based BCI, to the problem of classification of ERPs. As compared to the state-of-the-art, this new method increases performance, reduces the number of data needed for the calibration and features good generalisation across sessions and subjects. This method is illustrated on data recorded with the P300-based game brain invaders. Finally, an online and adaptive implementation is described, where the BCI is initialized with generic parameters derived from a database and continuously adapt to the individual, allowing the user to play the game without any calibration while keeping a high accuracy.

연구 동기 및 목표

• 사용자별 校정 세션 없이도 높은 성능을 유지할 수 있는 校정 없는 BCI를 개발하는 것.
• 시간적 신호 구조를 고려한 공분산 추정에서 리만 기하학의 적용 범위를 이전에 SMR 및 SSVEP BCI에 국한되었던 영역에서 ERP 기반 BCI로 확장하는 것.
• 강력한 피실험자 간 및 세션 간 일반화 능력과 함께 온라인 적응 시 빠른 수렴을 달성하는 것.
• SMR, ERP, SSVEP 등 다양한 BCI 파라디그마에 적용 가능한 최소한의 코드 수정으로도 가능한 통합 신호 처리 체인을 통해 실시간 적응형 BCI 운영을 가능하게 하는 것.

제안 방법

• 시간에 고정된 에포크 간 평균을 취하고 슬라이딩 윈도우 방식을 통해 시간적 구조를 반영한 ERP 신호의 공분산 행렬 추정을 위한 새로운 방법을 제안한다.
• 추정된 공분산 행렬에 아핀 불변 리만 거리(affine-invariant Riemannian metric, AIRM)를 적용하여 리만 다양체 상에서 거리를 계산함으로써 강건한 분류를 가능하게 한다.
• 리만 다양체 상에서 평균 행렬에 가장 가까운 클래스를 기반으로 클래스 레이블을 할당하기 위해 최소 평균 거리(Minimum Distance to Mean, MDM) 분류기를 사용한다.
• 이전 세션 데이터베이스에서 유도된 보편적인 파rameter로 분류기를 초기화하여 각 세션 시작 시 플러그 앤 플레이 작동이 가능하도록 한다.
• 도착하는 데이터를 기반으로 분류기 파arameter를 온라인에서 적응적으로 보정함으로써 빠른 수렴과 시간이 지남에 따라 향상되는 성능을 달성한다.
• 공분산 행렬 표현과 정보 기하학을 활용하여 SMR, ERP, SSVEP BCI 모두에 호환 가능한 통합 신호 처리 파이프라인을 구현한다.

실험 결과

연구 질문

• RQ1 시간적 신호 구조를 모델링할 필요가 있는 ERP 기반 BCI에 대해 리만 기하학을 효과적으로 확장할 수 있는가?
• RQ2 보편적인 초기화와 온라인 적응만으로도 校정 없이도 높은 정확도를 달성할 수 있는 플러그 앤 플레이 BCI를 구현할 수 있는가?
• RQ3 제안된 방법이 온라인 작동 중 빠른 수렴을 유지하면서도 피실험자 간 및 세션 간에 잘 일반화되는가?
• RQ4 동일한 신호 처리 체인이 SMR, ERP, SSVEP 등 다양한 BCI 파라디그마에 최소한의 수정으로 재사용 가능한가?

주요 결과

• 제안된 방법은 세션 시작 시 타겟 외계행성 파괴에 평균 2.5회 반복이 필요했고, 세션 종료 시 1.5회로 감소하여 통계적으로 유의미한 향상(의사결정도 t(7) = -3.82, p = 0.007)을 보였다.
• Brain Invaders 게임의 9개 난이도 전반에서 성능이 유의미하게 향상되었으며, 변동성이 시간이 지남에 따라 감소하여 강건한 적응 능력을 보였다.
• 피실험자 간 및 세션 간에 강력한 일반화 능력을 보였으며, 어떤 校정도 없이 초기화 시에도 열악하지만 사용 가능한 정확도를 유지했다.
• 리만 기하학 기반 MDM 분류기는 정확도, 트리거 지연에 대한 강건성, 데이터 효율성 측면에서 최신 기술보다 뛰어난 성능을 보였다.
• 이 프레임워크는 동일한 핵심 처리 체인을 통해 SMR, ERP, SSVEP BCI에 모두 통합적으로 적용 가능하게 하여 소프트웨어 복잡도를 감소시켰다.
• 정규화된 공분산 추정을 적용할 경우, 높은 채널 수에서도 안정적이고 효과적인 성능 유지를 보였지만, 차원 축소 없이 매우 큰 채널 수(64개 이상)에서는 성능 저하가 발생할 수 있었다.