뇌-컴퓨터 인터페이스에서 공통 특징 분석을 사용한 SSVEP 인식

SSVEP recognition

 

표준 상관 분석 (CCA)은 BCI (뇌-컴퓨터 인터페이스) 응용 프로그램을 위한 정상 상태 시각 유발 전위 (SSVEP) 인식에 성공적으로 적용되었다. CCA 방법은 다중 채널 감지를 통해 기존의 전력 스펙트럼 밀도 분석을 능가하지만 사인-코사인파의 사전 구성된 참조 신호가 추가로 필요하다. 참조 신호에는 훈련 데이터의 기능이 포함되어 있지 않기 때문에 짧은 시간 창을 사용하면 과적합이 발생할 수 있다.

 

SSVEP는 대상자가 깜박임 자극에 주의를 집중할 때 깜박임 주파수와 동일한 빈도로 유도되고 후두피 영역에 대한 고조파에서 유도되는 주기적인 뇌 활동이다. SSVEP 기반 BCI는 일반적으로 고속 푸리에 변환 (FFT)을 사용한 전력 스펙트럼 밀도 분석(PSDA)을 사용하여 피험자로부터 기록된 EEG 신호를 컴퓨터 명령으로 변환하도록 개발되었다. 그러나 PSDA 방법은 단일 또는 바이폴라 채널로 노이즈에 민감하며 충분한 주파수 분해능으로 스펙트럼을 추정하기 위해서는 상대적으로 긴 시간 창이 필요하다. 이러한 단점은 시간 창이 충분히 길지 않을 때 (ex: <3s) 상대적으로 낮은 SSVEP 인식 정확도를 초래한다.

 

잘 알려진 다변량 통계 방법인 표준 상관 분석 (CCA)이 SSVEP 인식에 성공적으로 적용되었다. CCA 방법은 스펙트럼 추정 없이 최대 상관 계수를 사용하여 신호 대 잡음비 (SNR) 개선을 위한 다중 채널 최적화를 제공하고 SSVEP 인식을 제공한다. PSDA 방법에 비해 CCA 방법에 의해 상당히 높은 인식 정확도가 달성되었다. CCA 방법은 일반적으로 SSVEP 기반 BCI 및 기타 관련 BCI에서 잘 작동하지만, 채택된 상관 분석에 대한 기준에는 사전 사인-코사인파가 포함되므로 단시간 내에 과적합이 발생할 가능성이 높다.

 

최근에는 MCCA라고 불리는 CCA의 다방향 확장이 기준 신호 정제를 위한 정교한 교정을 통해 SSVEP 인식에 도입되었다. MCCA 방법은 보다 효과적인 기준 신호를 학습하기 위해 EEG 텐서 데이터의 다중 차원과 사전 구성된 사인 코사인 파형 사이의 협업 상관 최대화를 구현했다. 최적화된 기준 신호를 통해 MCCA 방법은 CCA 방법보다 SSVEP 인식에 더 나은 성능을 보여주었다. 그러나 기준 신호 정제를 위한 MCCA 방법의 모델 매개 변수는 훈련 데이터에 완전히 기초하지는 않지만 사전 구성된 사인-코사인 파동에 의존하여 학습되었다.

 

10Hz의 자극 주파수에서 유발된 SSVEP 특성

 

EEG 데이터에 숨겨진 이러한 공통 특징은 실제 SSVEP 특성을 가질 수 있으며, 따라서 상관 분석을 사용할 때 SSVEP 인식을 위한 보다 효과적인 기준 신호가 될 수 있다.

 

뇌파 기록

 

EEG 기록을 위한 실험 레이아웃(a) 및 채널 구성(b).

 

실험에서 피험자는 차폐된 방의 표준 17인치 CRT 모니터 (85Hz 재생 빈도, 1024 × 768 화면 해상도)에서 60cm 떨어진 편안한 의자에 앉았다. 4개의 빨간색 사각형이 자극으로 화면에 표시되었다. 각 피험자는 첫 10회 주행 후 5~10분 휴식 시간을 갖고 20회 주행하였다. 각 실행에서 각 자극은 표적으로 신호를 받은 후 서로 다른 4개의 주파수 (각각 6, 8, 9 및 10Hz)에서 4개의 자극이 깜박였다. 피실험자들은 각 큐가 끝난 후 4초 동안 표적에 주의를 집중하도록 요청받았다. 각 피험자로부터 총 80개의 시행 데이터 (각각 4개의 자극 빈도에 해당하는 각 실행에서 4번의 시행)가 기록되었다.

 

EEG 신호는 10-20 국제 시스템에 따라 표준 위치에 배치된 30개 채널에서 250Hz 샘플링 속도로 Nuamps 증폭기 (NuAmp, Neuroscan, Inc.)를 사용하여 기록되었다. 모든 채널은 두 개의 유선형 전극 (A1 및 A2)의 평균을 참조하고 이마에 위치한 전극 GND에 접지하였다. EEG 신호는 4Hz에서 45Hz까지 대역 통과를 필터링한 후 6차 순방향-역방향 버터워스 대역 통과 필터를 사용하여 추가 분석하였다.

 

피험자의 결과에 대한 평균 SSVEP 인식 정확도