[논문 리뷰] Recognition of Brain Waves of Left and Right Hand Movement Imagery with Portable Electroencephalographs

Zhen Li, Jianjun Xu외 1명|arXiv (Cornell University)|2015. 09. 28.

EEG and Brain-Computer Interfaces참고 문헌 4인용 수 9

한 줄 요약

이 연구는 모바일형이며 비침습적인 뇌-컴퓨터 인터페이스를 제안하며, Muse 헤드밴드를 사용하여 F7 및 F8 전극에서의 감마파 활동을 통해 좌우 손 움직임 상상 운동을 분류한다. 공통 공간 패턴(CSP)을 특징 추출에, 서포트 벡터 머신(SVM)을 분류에 적용함으로써 95.1%의 정확도를 달성하였으며, 기존의 C3/C4 기반 접근 방식을 뛰어넘었으며, 8명의 참가자를 대상으로 한 개념적 응용에서 가상 항공기의 실시간 제어를 가능하게 하였다.

ABSTRACT

With the development of the modern society, mind control applied to both the recovery of disabled individuals and auxiliary control of normal people has obtained great attention in numerous researches. In our research, we attempt to recognize the brain waves of left and right hand movement imagery with portable electroencephalographs. Considering the inconvenience of wearing traditional multiple-electrode electroencephalographs, we choose Muse to collect data which is a portable headband launched lately with a number of useful functions and channels and it is much easier for the public to use. Additionally, previous researches generally focused on discrimination of EEG of left and right hand movement imagery by using data from C3 and C4 electrodes which locate on the top of the head. However, we choose the gamma wave channels of F7 and F8 and obtain data when subjects imagine their left or right hand to move with their eyeballs rotated in the corresponding direction. With the help of the Common Space Pattern algorithm to extract features of brain waves between left and right hand movement imagery, we make use of the Support Vector Machine to classify different brain waves. Traditionally, the accuracy rate of classification was approximately 90% using the EEG data from C3 and C4 electrode poles; however, the accuracy rate reaches 95.1% by using the gamma wave data from F7 and F8 in our experiment. Finally, we design a plane program in Python where a plane can be controlled to go left or right when users imagine their left or right hand to move. 8 subjects are tested and all of them can control the plane flexibly which reveals that our model can be applied to control hardware which is useful for disabled individuals and normal people.

연구 동기 및 목표

• 소비자용 EEG 기기들을 활용하여 이동성 있고 사용자 우호적인 뇌-컴퓨터 인터페이스를 개발하는 것.
• Muse 헤드밴드와 같은 경량형 웨어러블 장치를 활용하여 기존의 다중 전극 EEG 시스템의 한계를 극복하는 것.
• F7 및 F8 전극에서의 감마파 대역 활동을 탐색하여 기존의 C3/C4 전극 기반 방법을 뛰어넘는 분류 정확도를 향상시키는 것.
• 의도한 손 움직임을 통해 가상 항공기의 실시간 제어를 가능하게 하여 보조 기술 분야에서의 실현 가능성을 검증하는 것.

제안 방법

• 모터 상상 작업 중 뇌파 데이터를 촬영하기 위해 이동성 있고 7채널인 Muse 헤드밴드를 사용하였다.
• 전 frontal 영역에 위치한 F7 및 F8 전극에서의 감마파 대역(30–50 Hz) 활동에 초점을 맞췄으며, 이는 운동 계획과 연관된다.
• 참가자들에게 좌측 또는 우측 손을 움직이는 것으로 상상하면서 동시에 해당 방향으로 눈을 움직이도록 지시하여 신경 신호의 명확도를 향상시켰다.
• EEG 신호에서 분류 가능한 공간적 특징을 추출하기 위해 공통 공간 패턴(Common Spatial Pattern, CSP) 알고리즘을 적용하였다.
• 추출된 특징을 바탕으로 좌우 손 움직임 상상 운동을 구분하기 위해 서포트 벡터 머신(Support Vector Machine, SVM) 분류기를 활용하였다.
• 분류된 뇌파 패tern을 방향 이동 명령어로 매핑하는 실시간 파이썬 기반 항공기 제어 응용 프로그램을 개발하였다.

실험 결과

연구 질문

• RQ1 Muse와 같은 이동성 있고 소비자용 EEG 기기로 좌우 손 움직임 상상 운동을 정확하게 분류할 수 있는가?
• RQ2 F7 및 F8 전극에서의 감마파 활동이 기존의 C3/C4 전극 배치보다 더 높은 분류 정확도를 제공하는가?
• RQ3 모터 상상 동안 눈동자 움직임을 동시에 활성화하면 이동성 EEG 설정에서 뇌파의 감지 가능성이 향상되는가?
• RQ4 저비용 EEG 기기와 뇌파의 의도된 손 움직임만으로 실시간으로 신뢰할 수 있는 가상 항공기 제어가 가능한가?

주요 결과

• 제안된 방법은 F7 및 F8 전극에서의 감마파 데이터를 사용하여 95.1%의 분류 정확도를 달성하였으며, 기존 C3/C4 전극 기반 데이터로 보고된 평균 90%의 정확도를 뛰어넘었다.
• 모든 8명의 참가자가 실시간으로 가상 항공기를 성공적으로 제어하여, 실용적인 뇌-컴퓨터 인터페이스 응용 분야에서 시스템의 강건성과 사용성의 우수성을 입증하였다.
• 모터 상상 동안 눈동자 움직임을 함께 활성화함으로써 신호 일관성과 분류 성능이 뚜렷이 향상되었다.
• Muse 헤드밴드는 신뢰할 수 있는 EEG 신호 촬영과 실시간 처리에 충분함을 입증하여, 임상 외 뇌-컴퓨터 인터페이스 응용 분야에서의 잠재력을 확인하였다.
• CSP 특징 추출과 SVM 분류의 조합이 좌우 손 움직임 상상 운동 패턴을 고정밀도로 분리하는 데 효과적이었다.
• 시스템은 참가자 간에 뛰어난 일반화 능력을 보였으며, 기능 장애가 있는 개인을 위한 보다 넓은 분야의 보조 기술 적용 가능성을 시사하였다.