블록형 플래시가 P300 스펠러 성능을 높인다

블록형 플래시가 P300 스펠러 성능을 높인다
안내: 본 포스트의 한글 요약 및 분석 리포트는 AI 기술을 통해 자동 생성되었습니다. 정보의 정확성을 위해 하단의 [원본 논문 뷰어] 또는 ArXiv 원문을 반드시 참조하시기 바랍니다.

초록

**
본 연구는 시각적 P300 스펠러에서 자극의 형태(문자 vs 블록)와 색상(흰색 vs 컬러)이 성능에 미치는 영향을 동시에 검증하였다. 15명의 피험자를 대상으로 네 가지 자극 조건을 실험한 결과, 블록 형태가 정확도와 분당 명령 수(CCPM)에서 일관되게 우수했으며, 색상 차이는 통계적으로 유의미하지 않았다.

**

상세 분석

**
본 연구는 P300 기반 시각 스펠러의 자극 디자인을 최적화하기 위해 형태와 색상의 상호작용을 체계적으로 조사하였다. 피험자는 15명의 비전문가(평균 연령 22.7세, 남성 5명)로, 사전 BCI 경험이 없으며 정상 시력을 보유하였다. 실험은 3 × 4 매트릭스(12개의 타깃)를 사용했으며, 네 가지 자극 조건(흰색 문자, 컬러 문자, 흰색 블록, 컬러 블록)을 동일한 GUI와 동일한 시각 각도로 구현하였다. 자극은 192 ms 지속 후 96 ms 간격을 두고 288 ms SOA로 제시되었다.

각 피험자는 두 세션에 걸쳐 네 조건을 모두 수행했으며, 라틴 스퀘어 설계로 순서를 무작위화하였다. 첫 단계는 피드백이 없는 캘리브레이션(10회 시퀀스, 각 자극 20번 플래시)으로, 여기서 얻은 정확도를 기반으로 온라인 단계에서 시퀀스 수를 최적화하였다. 온라인 단계에서는 “ceno_en_casa” 문장을 입력하도록 하였으며, 정확도, 수행 시간, CCPM을 주요 지표로 사용하였다.

EEG는 8채널(Fz, Cz, Pz, Oz, P3, P4, PO7, PO8)에서 250 Hz로 수집되었고, LDA 기반 P300 분류기를 적용하였다. 전처리 단계에서 아티팩트 제거는 자동화되지 않았으며, 일부 채널은 아티팩트로 인해 제외되었다.

통계 분석은 2 × 2 × 10(색상 × 형태 × 시퀀스) 반복측정 ANOVA와 2 × 2 × 8(색상 × 형태 × 채널) ANOVA를 사용하였다. 형태 요인에서는 정확도(F(1,12)=8.102, p=0.015)와 P300 진폭 차이(F(1,12)=30.138, p<0.001) 모두 유의미하게 나타났으며, 블록 형태가 문자 형태보다 평균 4~5% 높은 정확도와 0.31 µV 더 큰 진폭 차이를 보였다. 색상 요인에서는 캘리브레이션 정확도(F(1,12)=1.189, p=0.317)와 P300 진폭 차이(F(1,12)=1.89, p=0.18) 모두 비유의미했다. 다만 색상 × 형태 상호작용이 P300 진폭에서 나타났지만( p=0.014), 실질적인 성능 향상으로 연결되지 않았다.

온라인 결과에서도 블록 형태가 정확도와 CCPM에서 우수했으며, 특히 컬러 블록이 컬러 문자보다 평균 0.8 CCPM 더 높은 성능을 기록하였다. 설문지 결과는 주관적 만족도와 피로도에서 큰 차이를 보이지 않았으며, 이는 객관적 성능 향상이 사용자의 인지적 부담을 증가시키지 않음을 시사한다.

전체적으로 형태(블록) 변형이 시각적 피로를 최소화하고 더 넓은 영역을 자극함으로써 P300 신호의 구분도를 높이는 메커니즘으로 작용한다는 점이 확인되었다. 색상 다양화는 단일 색상 대비가 충분히 강력한 경우 추가적인 이점을 제공하지 못한다는 결론에 도달하였다. 이러한 결과는 모바일 디바이스나 화면 크기가 제한된 환경에서 블록형 플래시를 적용함으로써 BCI 스펠러의 실용성을 향상시킬 수 있음을 시사한다.

**


댓글 및 학술 토론

Loading comments...

의견 남기기