뇌전도 기반 운동피질 신호 처리와 ERP·연결성·EMG 분석 툴박스 활용 가이드

본 논문은 인간 운동 피질을 연구하기 위한 MATLAB 기반 툴박스 “Essential Motor Cortex Signal Processing”의 사용자 가이드를 제시한다. 툴박스는 GNU GENERAL PUBLIC LICENSE 하에 배포되며, GitHub와 OSET(오픈소스 전기생리학 툴킷) 레포지토리에서 다운로드할 수 있다. 주요 기능은 세 가지로 구분된다. 첫째, ERP(이벤트 관련 전위) 추출 및 정량화이다. 전처리된 EEG·MEG 데이터에서 트리거 기반 평균을 계산하고, 시간‑코스 ERP와 시간‑주파수(TF) 스펙트럼을 동시에 제공한다. TF 분석은 Short‑time Fourier Transform, Continuous Wavelet Transform, Narrow‑band Channelization 등 네 가지 방법을 선택적으로 적용할 수 있다. ERP 정량화는 ERS/ERD 면적을 계산하는 ‘erp_quantification.m’으로 수행되며, 기존 문헌에서 사용된 통계적 지표와 직접 비교 가능하도록 설계되었다. 둘째, Cortical Functional Connectivity(CFC) 분석이다. 두피 전극 간의 기능적 연결성을 평가하기 위해 Phase Locking Value(PLV)와 Magnitude Squared Coherence(MSC)를 사용한다. ‘TCPLV.m’은 시간‑코스 PLV를, ‘PWPLV.m’과 ‘PWCoherence.m’은 전극 쌍별 PLV·MSC 매트릭스를 출력한다. PLV는 위상 동기화에 민감해 비선형 상호작용을 포착하고, MSC는 전통적인 선형 상관성을 평가한다. 이러한 두 지표는 상호 보완적으로 사용되어, 전반적인 뇌 네트워크 동역학을 다각도로 해석한다. 셋째, EMG(근전도) 정량화이다. ‘emg_onset.m’은 근전도 신호에서 근육 활성 시작점을 검출하고, ‘emg_quantification.m’은 RMS, 평균 전력, 활성 지속시간 등 표준 지표를 산출한다. EMG 분석은 운동 수행 중 근육 활동과 뇌 전위 변화 간의 시계열 상관관계를 정량화하는 데 필수적이다. 툴박스의 전체 워크플로우는 다음과 같다. (1) ‘bdf2mat.m’으로 *.bdf 형식의 원시 데이터를 MATLAB *.mat 파일로 변환한다. (2) ‘drift_reject.m’, ‘baseline2.m’, ‘sig_trend.m’ 등을 이용해 베이스라인 드리프트와 잡음을 제거한다. (3) ‘trigger_synch.m’으로 트리거 신호와 EEG/EMG 데이터를 동기화한다. (4) ‘trigger_avg_erp.m’과 ‘trigger_avg_TF_erp.m’으로 ERP와 TF ERP를 추출한다. (5) ‘erp_quantification.m’으로 ERS/ERD를 정량화한다. (6) ‘TCPLV.m’, ‘PWPLV.m’, ‘PWCoherence.m’으로 기능적 연결성을 평가한다. (7) ‘emg_onset.m’과 ‘emg_quantification.m’으로 EMG를 전처리·정량화한다. 각 함수는 입력 파라미터(필터 차수, 윈도우 길이, 주파수 대역 등)를 사용자가 자유롭게 설정할 수 있도록 설계돼 있다. 툴박스는 OSET 라이브러리와 긴밀히 연동되며, OSET에 포함된 필터링·트렌드 추정·베이스라인 보정 함수들을 재사용한다. 이는 코드 재사용성을 높이고, 기존 OSET 사용자에게 친숙한 인터페이스를 제공한다. 또한, 샘플 데이터와 데모 스크립트가 포함돼 있어, 초보자도 바로 실행해 결과를 확인할 수 있다. 라이선스는 GPL‑2.0이며, 보증이 없고 자유롭게 수정·재배포가 가능하지만, 학술적 사용 시 본 매뉴얼과 원 논문을 인용해야 한다고 명시한다. 저자 연락처와 GitHub 이슈 트래커를 통해 지원을 받을 수 있다. 결론적으로, 이 툴박스는 ERP, CFC, EMG 분석을 하나의 일관된 파이프라인으로 제공함으로써, 운동 피질 연구자들이 복잡한 신호 처리 과정을 효율적으로 수행하도록 돕는다. 모듈화된 구조와 풍부한 파라미터 옵션은 다양한 실험 설계와 데이터 특성에 맞게 커스터마이징이 가능하게 하며, 오픈소스 특성 덕분에 커뮤니티 기반의 지속적인 개선과 확장이 기대된다.