특징 추출 (Feature Extraction)
EEG 또는 기타 BCI 장치에서 기록된 원시 신경 데이터에는 뇌 활동 및 외부 간섭으로 인한 일부 소음에 대한 광범위한 정보가 포함된다. 최소한의 노이즈가 있어도 원시 형식의 데이터 복잡성은 해석하기 어려울 수 있다. 특징 추출은 원시 신경 데이터에서 의미 있는 정보를 식별하고 추출하는 프로세스이다. 이렇게 하면 데이터의 양과 노이즈가 줄어들어 패턴을 쉽게 식별하고 BCI의 정확도가 향상된다.
일부 기능 추출 방법은 감독되지 않는다. 그들은 학습할 기능으로 레이블이 지정된 예제 데이터를 사용하지 않는다. 그들은 유사성을 버리고 데이터의 차이점에 집중하여 가장 중요한 정보를 스스로 추출한다. 이러한 방법에는 PCA(주성분 분석), 웨이블릿 변환 등이 포함됩니다. CSP (Common Spatial Patterns)와 같은 다른 방법이 감독된다. 추출하려는 특정 패턴을 결정하려면 레이블이 지정된 데이터 세트가 필요하다.
특징 추출 방법의 선택은 캡처되는 뇌 프로세스의 유형을 비롯한 여러 디자인 선택에 따라 달라진다. 사건 관련 전위 (ERP)을 기반으로 하는 BCI에 중점을 둔다.
ERP 기반 BCI의 특징 추출 단계는 상당히 간단하다. 첫 번째 단계는 Epoch를 추출하는 것이다. 에포크는 지정된 길이의 EEG 신호 덩어리이며 이벤트 (즉, 자극의 표시)와 동기화된다. 그런 다음 이러한 에포크의 통계를 계산하여 기능을 추출합니다. 예를 들어, Epoch 동안 각 전극 사이트에서 기록된 평균 전압을 간단히 계산할 수 있다. 이 기능은 일반적으로 ERP를 식별하는 데 충분하다.
사건 관련 전위 (Event Related Potentials)
이벤트 관련 전위 또는 ERP는 특정 운동 또는 인지 이벤트 (ex: 자극)에 대한 뇌의 전기 생리학적 반응이다. 이 자극은 깜박이는 빛, 놀라운 소리, 깜박이는 눈 등 거의 모든 것이 될 수 있다. 모든 경우에 ERP를 사용하는 bci는 이러한 작은 이벤트 관련 응답을 분리하고 식별하려고 시도한다.
1) EEG로 ERP를 기록하는 방법
두피에 기록된 EEG는 수백만 개의 뉴런의 관절 활동을 기록하므로 ERP와 관련된 모든 신호를 분리하는 것이 거의 불가능하다. 우리가 할 수 있는 최선은 전체 전압 변화를 살펴보는 것이다. 특정 심리적 프로세스를 반영하는 것처럼 보이는 변경을 ERP 구성 요소라고 한다.
ERP 파형 그림에는 자극의 시작부터 시간에 따른 전체 전압 변화가 포함되어 있다. 여기에는 관련 ERP 구성 요소가 될 수 있는 여러 웨이브 피크가 포함되어 있다. 각 양 (P) 및 음 (N) 피크 뒤에는 자극 시작 (0ms)으로부터의 거리를 나타내는 숫자 (즉, N1, P2, N2, P3 등)가 온다. 이것은 가장 일반적인 명명 규칙이다.
2) ERP를 사용하는 방법
ERP를 사용하는 BCI는 교육 시간이 거의 필요하지 않으므로 사용하기가 더 쉽다. 뇌가 특정 외부 사건에 어떻게 반응하는지 연구하여 주의력과 피로를 모니터링하는 데 사용할 수 있다. 시각 자극으로 ERP 기반 BCI는 다른 BCI에 비해 상대적으로 빠른 반응 시간으로 입력 장치로 사용할 수 있다. 자세한 내용은 다음을 참조하면 된다. (Steven J. Luck의 이벤트 관련 잠재적 기법 소개)
3) ERP를 생성하는 방법
모든 감각, 운동 또는 인지 이벤트는 ERP를 유발할 수 있지만 ERP를 사용하는 대부분의 BCI는 감각 기반이며 시각 또는 청각 자극을 사용한다. 두 자극 모두 다른 감각 입력보다 컴퓨터에 의해 더 쉽게 생성된다. 또한 시각 피질은 수십 년 동안 연구되어 뇌에 대한 시각적 자극을 더 잘 해석할 수 있다. 감각운동 자극은 일부 BCI에서도 사용되지만 후각 및 미각 자극은 거의 사용되지 않는다.
4) The P3 family of ERP’s
두뇌가 ERP를 생성하도록 하는 가장 쉬운 방법 중 하나는 이상한 패러다임을 따르는 실험을 개발하는 것이다. 이 실험에서 참가자는 표준 자극 (ex: 자동차 사진)의 반복적인 시퀀스가 삽입되어 드물게 일탈 자극 (ex: 얼굴 사진)에 의해 표시된다. 뇌는 큰 P3 또는 (P300) ERP 구성 요소를 생성하여 이러한 "이상한" 자극에 반응한다. P3 파동 피크는 이상한 자극이 나타난 후 약 300-600ms에 발생한다. 발견 당시 피크는 항상 300ms로 발생했다고 믿었기 때문에 P300이라고도 한다.
N2pc (주의 관련), N4 또는 N400 (언어 관련) 및 오류 관련 부정성 (ERN)을 포함하여 BCI 연구에 사용되는 다른 중요한 ERP 구성 요소가 있다. 이러한 구성 요소에 대한 자세한 내용은 다음을 참조하면 된다. (Steven J. Luck의 이벤트 관련 잠재적 기술 소개)
특성 또는 P3는 BCI 개발에 매우 적합하다. 우선, P3 반응은 EEG로 측정하기 쉽기 때문에 비침습성 BCI에 적합하다. 또한, P3 기반 BCI는 10분 미만의 교육이 필요하며 심각한 신경계 질환을 포함하여 대부분의 대상에서 작동한다.
5) P3 기반 BCI의 역사
P3는 1967년 Sutton에 의해 보고된 ERP 구성 요소이지만 최초의 P3 기반 BCI는 마비된 사람들을 위한 철자 (가상 키보드)를 제공하기 위해 Farwell과 Donchin에 의해 1988년에 개발되었다. 사용자는 화면의 문자 행렬을 보고 입력하려는 문자에 초점을 맞추도록 요청받았다. 문자의 행과 열은 무작위로 깜박이고 관심 문자가 강조 표시될 때마다 뇌에 "이상한" 자극으로 나타난다. 자극은 P3 ERP 구성 요소로 감지되고 BCI는 해당 문자를 출력한다.
첫 번째 P3 기반 BCI가 도입된 후 이 기술에 대한 관심은 별로 없었다. Donchin et al.에 따르면 (2000) 1988년부터 2000년까지 P3 기반 BCI 피어 리뷰 논문이 없었다. 다음 5년 동안 P3 기반 BCI 논문이 약간 증가했다.
P3 기반 BCI는 몇 가지 매력적인 기능으로 인해 주요 BCI 범주 중 하나로 부상했다. 사용하기 쉽고 비교적 빠르고 대부분의 사용자에게 효과적이며 훈련이 거의 필요하지 않다. P3 기반 BCI는 가상 키보드 제어, 마우스 제어, 의사 결정 지원 등을 포함한 광범위한 응용 프로그램에 사용할 수 있다.
http://learn.neurotechedu.com/erp/
Event Related Potentials
This tutorial will explain how to extract Event Related Potentials
learn.neurotechedu.com
'Brain Engineering > BCI' 카테고리의 다른 글
| Neural Oscillations (0) | 2022.04.27 |
|---|---|
| 전처리 (Preprocessing) (0) | 2022.04.27 |
| 뇌 컴퓨터 인터페이스 소개 (Components) (5) (0) | 2022.04.27 |
| 뇌 컴퓨터 인터페이스 소개 (Components) (4) (0) | 2022.04.25 |
| 뇌 컴퓨터 인터페이스 소개 (EEG) (3) (0) | 2022.04.25 |
