뇌‑근육 아틀라스: 움직임을 자연스럽게 연결하는 새로운 BCI 패러다임

초록

본 논문은 EEG와 EMG를 동시 기록해 뇌‑근육 아틀라스를 구축하고, 이를 통해 저신호‑대 잡음 EEG만으로 팔꿈치 관절을 연속·안정적으로 제어하는 방법을 제시한다. 오프라인에서는 근육 활성 패턴을 0.83의 최고 상관계수로 재구성했으며, 온라인 실험에서 10명 전 참가자가 가상 팔꿈치 굴곡·신전을 성공적으로 수행했다.

상세 분석

이 연구는 기존 비침습 BCI가 “뇌‑기계” 직접 매핑에 의존해 신호‑대‑잡음 비가 낮은 EEG만으로 복잡한 운동을 구현하려는 한계를 지적한다. 저자는 인간의 자연 운동이 “뇌‑근육‑관절”이라는 계층적 경로를 통해 이루어진다는 생리학적 사실을 모델링함으로써, 근육을 중간 릴레이 층으로 활용하는 새로운 프레임워크를 제안한다. 구체적으로, 16채널 EEG와 12채널 EMG를 동시에 수집하고, EEG는 15‑35 Hz 대역으로 CAR 전처리, EMG는 20‑450 Hz 대역 필터링 후 50 Hz 노치 필터링을 적용한다. 이후 슬라이딩‑윈도우 Transformer 모델을 사용해 시간‑연속적인 EEG 패턴을 EMG 형태의 근육 활성 신호로 매핑한다. Transformer의 멀티‑헤드 셀프‑어텐션은 장시간 의존성을 포착하고, 슬라이딩 윈도우는 연속성을 유지하면서 로컬 동역학을 학습한다는 점이 핵심이다.

오프라인 검증에서는 Spearman 상관계수와 Pearson 상관계수를 이용해 재구성된 EMG와 실제 EMG 간의 일치도를 평가했으며, 주요 굴곡·신전 근육(이두근·삼두근)에서 평균 SCC ≈ 0.34‑0.39, 최고 PCC = 0.8314를 기록했다. 이는 뇌‑근육 아틀라스가 실제 근육 활성 패턴을 높은 정확도로 추정함을 의미한다. 또한, 제로‑마스킹 교란 실험을 통해 특정 전두·두정 피질 영역이 근육 신호 재구성에 기여함을 확인, 모델이 단순 통계적 피팅을 넘어 생리학적 경로를 반영한다는 증거를 제공한다.

온라인 실험에서는 훈련된 아틀라스를 이용해 실시간 EEG만으로 가상 팔꿈치 관절을 제어하였다. 제안된 DP‑EMG(방향‑비례) 제어 전략은 CNN 기반 방향 분류와 아틀라스에서 추출한 근육 강도 신호를 결합해, 연속적인 힘 제어와 명확한 방향 전환을 동시에 달성한다. 10명의 피험자는 모두 목표 굴곡·신전 궤적을 성공적으로 추적했으며, 제어 신호의 스무스함과 안정성이 기존 직접 EEG‑기계 디코딩 대비 현저히 향상된 것으로 보고되었다.

이 논문의 주요 공헌은 (1) 최초의 팔꿈치 전용 뇌‑근육 아틀라스 구축, (2) 아틀라스를 기반으로 한 뇌‑근육‑팔꿈치 인터페이스 구현, (3) Transformer 기반 크로스‑모달 매핑이 저SNR EEG에서도 근육 수준의 고해상도 의도 정보를 추출할 수 있음을 실증적으로 입증한 점이다. 향후 다관절·전신 움직임에 대한 확장 가능성을 열어두며, 완전 마비 환자에게도 근육 신호를 가상의 ‘중계’로 활용해 보다 자연스러운 움직임을 제공할 수 있는 기반을 마련한다.