휴대용 EEG로 좌우 손 움직임 상상 파형 인식

초록

본 연구는 Muse 휴대형 헤드밴드를 이용해 F7·F8 부위의 감마파를 측정하고, 눈동자 방향을 함께 활용하여 좌우 손 움직임 상상을 구분한다. CSP로 특징을 추출하고 SVM으로 분류한 결과, 8명의 피험자 모두 95.1% 이상의 정확도를 달성했으며, 이를 기반으로 파이썬으로 구현한 비행기 제어 프로그램을 성공적으로 시연하였다.

상세 분석

이 논문은 기존의 다중 전극 고정식 EEG 시스템이 갖는 착용 불편성을 해소하고자, 최근 상용화된 Muse 헤드밴드(4채널, 무선, 저전력)를 선택한 점이 가장 큰 차별점이다. Muse는 전통적인 C3·C4 전극 대신 전두엽(F7, F8)과 후두엽(P7, P8) 위치에 전극을 배치하고, 특히 감마대역(30–50 Hz) 신호를 제공한다. 연구진은 손 움직임 상상 시 시각적 피드백을 강화하기 위해 피험자가 해당 손을 떠올리면서 눈을 해당 방향으로 회전하도록 지시했으며, 이는 전두엽의 안구운동 관련 전위와 운동 상상 신호가 동시에 활성화되는 효과를 기대한다.

데이터 전처리 단계에서는 2 s 길이의 슬라이딩 윈도우를 0.5 s 간격으로 이동시켜 256 Hz 샘플링된 감마파를 추출하고, 밴드패스 필터와 아티팩트 제거(눈 깜빡임, 근육 잡음) 과정을 거쳤다. 특징 추출에는 Common Spatial Pattern(CSP) 알고리즘을 적용했는데, 이는 좌우 손 상상 클래스 간 분산을 최대화하는 공간 필터를 학습함으로써 차원 축소와 동시에 판별력을 높인다. CSP 후에는 각 필터의 에너지 값을 로그 변환하여 최종 피처 벡터를 구성하였다.

분류 모델로는 선형 커널을 갖는 Support Vector Machine(SVM)을 사용했으며, 5‑fold 교차 검증을 통해 하이퍼파라미터(C) 를 최적화하였다. 실험 결과, 전통적인 C3·C4 기반 알파·베타 파형을 이용한 경우 평균 정확도가 약 90%에 머물렀던 반면, 본 연구의 F7·F8 감마파와 눈동자 회전 조건을 결합한 접근법은 95.1%라는 높은 정확도를 기록했다. 이는 전두엽 감마파가 운동 상상과 안구운동의 동시 활성화에 민감하게 반응한다는 생리학적 근거와 일치한다.

또한, 8명의 피험자 모두 실시간 비행기 제어 시뮬레이션(파이썬 기반)에서 좌우 손 상상을 통해 비행기의 방향을 정확히 전환했으며, 평균 반응 시간은 0.73 s로 실용적인 수준을 보였다. 이는 BCI 시스템이 일상적인 인터페이스로 확장될 가능성을 시사한다. 다만, 피험자 수가 제한적이며, 장시간 사용 시 피로도와 신호 품질 저하에 대한 평가가 부족한 점은 향후 연구 과제로 남는다.