다중시간창 LDA 빔포머와 xDAWN을 활용한 RSVP 기반 ERP 분류 파이프라인 평가

본 연구는 Rapid Serial Visual Presentation(RSVP) 패러다임을 이용한 이미지 검색 BCI에서 단일 시도 ERP(특히 P300)를 정확히 검출하기 위한 신호 처리 파이프라인을 체계적으로 평가한다. RSVP는 5~12 Hz의 고속 이미지 연속 제시로 인해 목표 이미지가 언제 나타날지 알 수 없으며, 이때 발생하는 주의‑지향 ERP는 매우 낮은 SNR을 갖는다. 이러한 특성은 (1) 저신호대잡음비, (2) 고차원(시간·채널) 데이터, (3) 에포크 간 중첩이라는 세 가지 주요 도전 과제를 만든다. 연구자는 이러한 문제를 해결하기 위해 공간 필터링과 선형 분류기의 조합을 중심으로 9가지 파이프라인을 설계하고, 공간 필터링을 적용하지 않은 3가지 베이스라인 파이프라인과 비교한다. 공간 필터링 기법으로는 (①) 새롭게 제안된 Multiple Time Window LDA Beamformer(MTWLB), (②) 기존의 xDAWN, (③) Common Spatial Pattern(CSP)를 선택하였다. MTWLB는 LDA 빔포머를 시간 창별로 독립적으로 적용해 각 창에서 ERP 차이 패턴을 추정하고, 정규화된 공분산 행렬에 대한 역행렬을 이용해 SNR을 최대화한다. 이는 ERP의 시점 변동과 채널 간 위상 차이를 반영하도록 설계되었다. xDAWN은 전체 에포크에 대해 ERP 템플릿을 최소제곱으로 추정하고, 레일리 비율을 최적화해 신호대신잡음비(SSNR)를 높인다. CSP는 두 클래스(목표 vs 비목표) 간 분산 차이를 극대화하는 전통적인 방법이지만, RSVP처럼 ERP가 짧은 시간에 겹치는 경우 클래스 간 분산 차이가 충분히 뚜렷하지 않아 성능이 제한된다. 공간 필터링 후에는 각 채널(또는 필터)별 시간 축에 대해 개별적으로 PCA를 적용해 1 % 이하 분산을 차지하는 주성분을 제거하고 차원을 축소한다. 이렇게 얻어진 특징 벡터는 세 가지 선형 분류기인 Linear Discriminant Analysis(LDA), Bayesian Linear Regression(BLR), Logistic Regression(LR) 중 하나에 입력된다. 하이퍼파라미터(필터 수, PCA 차원, 정규화 파라미터 등)는 랜덤 서치와 5‑fold 교차 검증을 통해 최적화하였다. 실험은 공개된 RSVP EEG 벤치마크 데이터셋을 사용했으며, 평가 지표는 ROC 곡선 아래 면적(AUC)이다. 결과는 다음과 같다. (1) MTWLB와 xDAWN을 적용한 파이프라인은 모두 AUC를 0.85 이상으로 크게 향상시켰으며, 특히 MTWLB‑LR 조합은 0.88에 근접하는 최고 성능을 기록했다. (2) CSP 기반 파이프라인은 AUC가 0.70 수준에 머물러, RSVP ERP 검출에 부적합함을 확인했다. (3) 로지스틱 회귀는 충분히 구분 가능한 특징을 제공받을 경우 LDA·BLR보다 더 높은 일반화 성능을 보였으며, 특히 불균형 데이터(목표 이미지 비율이 낮음)에서도 안정적인 결과를 나타냈다. 결론적으로, RSVP 기반 BCI에서 공간 필터링은 필수적인 전처리 단계이며, 시간에 민감하게 설계된 MTWLB와 전역적인 SSNR 최적화 xDAWN이 효과적이다. CSP는 전통적인 모터 이미지 BCI에 적합하지만 ERP 기반 과제에는 부적합할 수 있다. 또한, 선형 분류기 중에서는 로지스틱 회귀가 가장 유연하고 강건한 선택임을 실험적으로 입증하였다. 이 연구는 향후 RSVP 기반 이미지 검색 시스템 설계 시 공간 필터링과 분류기 선택에 대한 실용적인 가이드라인을 제공한다.