[논문 리뷰] MindBigData 2022 A Large Dataset of Brain Signals

David Vivancos, Felix Cuesta|arXiv (Cornell University)|2022. 12. 27.

EEG and Brain-Computer Interfaces인용 수 4

한 줄 요약

MindBigData 2022는 다양한 인간 활동 동안 소매 및 맞춤형 EEG 기기로 측정한 뇌 신호의 대규모 공개 데이터셋을 제공한다. 이 데이터셋은 원시 EEG에서 정신적 및 신체적 작업을 해독하기 위한 기계 학습 모델의 벤치마킹을 가능하게 하며, 헬스케어, 산업, 인간-컴퓨터 상호작용 분야에서의 뇌-컴퓨터 인터페이스 발전을 지원한다.

ABSTRACT

Understanding our brain is one of the most daunting tasks, one we cannot expect to complete without the use of technology. MindBigData aims to provide a comprehensive and updated dataset of brain signals related to a diverse set of human activities so it can inspire the use of machine learning algorithms as a benchmark of 'decoding' performance from raw brain activities into its corresponding (labels) mental (or physical) tasks. Using commercial of the self, EEG devices or custom ones built by us to explore the limits of the technology. We describe the data collection procedures for each of the sub datasets and with every headset used to capture them. Also, we report possible applications in the field of Brain Computer Interfaces or BCI that could impact the life of billions, in almost every sector like healthcare game changing use cases, industry or entertainment to name a few, at the end why not directly using our brains to 'disintermediate' senses, as the final HCI (Human-Computer Interaction) device? simply what we call the journey from Type to Touch to Talk to Think.

연구 동기 및 목표

• 다양한 인간 활동을 통해 뇌 신호의 종합적이고 최신의 데이터셋을 구축하여 신경 신호 해독 분야의 연구를 지원한다.
• 원시 EEG 데이터에서 기계 학습 모델을 평가하기 위한 표준화된 벤치마킹을 제공한다.
• 소매 및 맞춤형 장치를 모두 활용하여 EEG 기술의 한계를 탐색한다.
• 헬스케어, 산업, 엔터테인먼트 분야에서 실생활 적용이 가능한 뇌-컴퓨터 인터페이스(BCI)의 혁신을 촉진한다.
• 타입에서 터치, 말하기에서 생각하기로의 인간-컴퓨터 상호작용 진화를 앞당긴다.

제안 방법

• 다양한 인지적 및 신체적 작업 동안 소매 및 맞춤형 EEG 헤드셋을 사용하여 뇌 신호를 측정하였다.
• 각 하위 데이터셋은 헤드셋 유형, 설정 및 실험 절차에 대한 상세한 문서화를 포함하였다.
• 데이터셋은 정신적 또는 신체적 활동을 나타내는 작업 레이블과 동기화된 원시 EEG 신호를 포함한다.
• 일致성과 재현 가능성을 확보하기 위해 표준화된 전처리 및 레이블링 프로토콜을 적용하였다.
• 기계 학습 프레임워크와의 통합을 지원하기 위해 구조화된 형식으로 데이터셋을 배포하였다.
• BCI 응용 사례를 통한 사례 연구를 통해 터치 및 음성과 같은 기존 입력 방식에서 직접적인 뇌 기반 상호작용으로의 전환을 강조하였다.

실험 결과

연구 질문

• RQ1 대규모이고 다양한 데이터셋을 활용할 때 기계 학습 모델이 원시 EEG 신호에서 정신적 및 신체적 작업을 얼마나 잘 해독할 수 있는가?
• RQ2 소비자 등급 및 맞춤형 EEG 기기의 성능 한계는 임상적 작업에 특화된 뇌 활동을 캡처하는 데서 어디까지인가?
• RQ3 작업 및 피험자 간의 데이터셋 다양성이 뇌 신호 해독에서 모델의 일반화 능력에 미치는 영향은 어떠한가?
• RQ4 이러한 데이터셋을 활용할 경우 실생활 뇌-컴퓨터 인터페이스 개발에 실질적인 영향을 미치는가?
• RQ5 원시 EEG 데이터는 기존의 HCI 방식(타이핑, 말하기)에서 직접적인 뇌 기반 상호작용으로의 전환을 어느 정도 가능하게 하는가?

주요 결과

• MindBigData 2022 데이터셋은 다양한 인지적 및 신체적 작업을 수행하는 다수의 피험자로부터 수집된 대규모 EEG 신호를 포함한다.
• 데이터셋은 소매 및 맞춤형 EEG 기기에서 수집된 데이터를 포함하여 신호 품질과 사용성에 대한 비교 분석을 가능하게 한다.
• 표준화된 데이터 수집 절차로 재현 가능성이 보장되어 다양한 기계 학습 모델 간의 벤치마킹이 용이하다.
• 헬스케어, 산업, 엔터테인먼트 분야에서의 응용 가능성을 보여주는 BCI 개발을 지원하며, 실생활 잠재력을 입증한다.
• 타이핑과 말하기를 넘어서 '생각하기'를 주요 인간-컴퓨터 상호작용 모odal로 삼는 비전을 실현하기 위한 진전을 이룬다.
• 데이터셋은 공개되어 있어 개방 과학을 촉진하고 뇌 신호 해독 및 BCI 혁신 연구를 가속화한다.