근적외선 분광법 기반 뇌-컴퓨터 접속 시스템 개발을 위한 최적 특징 추출법에 대한 체계적 분석

Abstract

본 연구에서는 다양한 분석 시간 구간과 특징 조합을 고려하여 근적외선 분광법(near-infrared spectroscopy: NIRS) 기반 뇌-컴퓨터 접속(brain-computer interface: BCI) 개발을 위한 최적의 특징 추출 방법에 대해 체계적인 분석을 수행하였다. 12명의 피험자가 암산 과제와 휴식 과제를 각 10초씩 총 30 회 수행할 때 NIRS 신호를 측정하였다. NIRS신호로부터 7가지 서로 다른 특징을 추출하여, 분석 구간을 0-10초, 0-15초로 달리 설정한 단일 특징들의 분류 정확도와 0-15초 분석 구간을 0-5, 5-10, 10-15초로 나누어 다양한 특징들의 조합을 활용한 분류 정확도를 각각 계산하였다. 그 결과, 0-15초 분석 구간을 3구간으로 나누어 추출한 특징들의 조합을 사용하였을 때 가장 높은 분류 정확도를 얻을 수 있었으며, 평균과 기울기의 특징 조합을 이용하는 것이 NIRS 기반 BCI 시스템 개발에 가장 적합하다는 것을 확인하였다. In this study, we systematically investigated optimal feature extraction methods for developing a near-infrared spectroscopy (NIRS)-based brain-computer interface (BCI) by considering various analysis time periods and feature combinations. While twelve subjects performed mental arithmetic and resting tasks for 10 s 30 times each, NIRS signals were measured. Seven types of different features were extracted from the NIRS signals, and classification accuracies were calculated using individual feature types extracted from 0-10 and 0-15 s single analysis periods and feature combinations extracted from 0-15 s analysis period that was divided into three time periods (0-5, 5-10, 10-15 s), respectively. As a result, the highest classification accuracy was obtained when the combination of different feature types extracted from a 0-15 s analysis period divided into the three periods was used, and it was confirmed that the combinations of mean and slope features were considered the most suitable for developing a NIRS-based BCI system.