다중모드 fNIRS EEG를 활용한 단일측 상지 운동상상 데이터셋

초록

본 논문은 오른쪽 상지를 대상으로 네 방향(수평, 수직, 대각선 좌상‑우하, 대각선 우상‑좌하) 운동상상을 수행하도록 설계한 4클래스 MI 패러다임을 이용해, 64채널 EEG와 51채널 fNIRS를 동시 기록한 공개 데이터셋 MIND를 소개한다. 30명의 건강한 피험자로부터 수집된 데이터는 시간·주파수·공간 특성을 분석했으며, 단일모달 대비 다중모달 융합이 분류 정확도를 향상시킴을 검증하였다.

상세 분석

MIND 데이터셋은 기존 이진·4클래스 좌우 손 MI 데이터와 달리, 동일 반구 내에서 미세한 공간 변화를 포착해야 하는 단일측 다방향 MI를 목표로 한다. 이는 전통적인 EEG가 볼륨 전도에 의해 공간 해상도가 제한되는 문제를 fNIRS의 국소 혈류 측정으로 보완한다는 점에서 학술적·실용적 의미가 크다. EEG는 0.5–50 Hz 대역을 1000 Hz 샘플링으로 수집했으며, 전처리 단계에서 0.5–50 Hz 밴드패스와 50 Hz 노치필터, 채널 보간, 250 Hz 다운샘플링을 적용해 잡음을 최소화하였다. fNIRS는 780, 805, 830 nm 삼파장을 이용해 ΔHbO·ΔHbR를 47.62 Hz로 측정했으며, 30 mm 소스‑디텍터 간격으로 전두·두정·측두·감각운동 피질을 포괄한다.

시간‑주파수 분석 결과, 각 MI 방향마다 전두·중심부 전극(C3, C1, CP3 등)에서 μ‑리듬(8–13 Hz) 억제가 관찰되었으며, 특히 수평·수직 방향은 억제 강도가 차이가 뚜렷했다. 반면 대각선 방향은 억제 패턴이 미세하게 변형돼, 전극 간 위상 차이와 공간적 분포가 구분 포인트가 된다. fNIRS 측면에서는 ΔHbO 상승이 전두·중심부에서 5–7 s 지연 후 시작되며, 방향별로 활성 피크 위치가 미세하게 이동한다. 예를 들어, 수평 MI는 전두 전극 근처에서, 대각선 우상‑좌하 MI는 측두‑두정 경계 부근에서 더 큰 ΔHbO 변화를 보였다.

분류 실험에서는 전통적인 LDA·SVM 기반 단일모달 EEG와 fNIRS를 각각 사용했을 때 평균 정확도가 68 %와 71 %에 머물렀다. 그러나 두 모달리티를 결합한 다중모달 피처 융합(공통 공간 패턴 + 정규화된 혈류 피처)으로 Random Forest와 딥러닝(1‑D CNN) 모델을 적용했을 때, 4클래스 평균 정확도가 82 %까지 상승했다. 이는 미세한 공간 변이를 포착하는 fNIRS와 빠른 시간 해상도를 제공하는 EEG가 상호 보완적으로 작용함을 입증한다.

또한, 데이터셋은 세션 간 변동성을 최소화하기 위해 동일 방향을 같은 세션에 배치하고, 각 세션 전후 60 s 눈을 감은 휴식과 60 s 눈을 뜬 휴식을 삽입해 베이스라인 안정성을 확보했다. 전처리 파이프라인은 MNE‑Python과 HOMER2를 연동해 재현성을 높였으며, 원시 데이터와 전처리 스크립트를 모두 공개함으로써 연구자들이 다양한 신호 처리·디코딩 기법을 자유롭게 적용할 수 있다.

전반적으로 MIND는 고해상도 공간 정보를 요구하는 실제 BCI 응용(예: 상지 재활 로봇, 외부 보조기구 제어) 연구에 필수적인 기반을 제공한다. 향후 다중일자(다중세션·다중일) 데이터와 피험자 다양성을 확대한다면, 개인 맞춤형 하이브리드 BCI 모델 개발에 큰 기여를 할 것으로 기대된다.