이 연구는 신속 연속 시각 제시(rapid serial visual presentation, RSVP) 과제에서 표적 탐지를 향상시키기 위해, 군사적 응용을 염두에 둔 실시간 뇌-컴퓨터 인터페이스(Brain-Computer Interface, BCI) 시스템의 개발에 초점을 둔다. 제안된 BCI 시스템은 탁월한 시간 해상도로 알려진 건식 전극(dry electrodes)을 기반으로 한 뇌전도(electroencephalogram, EEG) 신호를 활용하여, 시각 자극의 연속열 내에서 특정 표적 기호를 신속하게 식별한다. 본 연구는 딥러닝 기법, 특히 시간 합성곱 신경망(Temporal Convolutional Networks, TCN)을 활용함으로써 RSVP 과제에서 표적 탐지의 정확도와 효율을 향상시키는 것을 보여준다. 우리의 결과에 따르면, EEG 신호의 시간적 역학을 처리하는 데 있어 TCN의 적응성과 효능은 표적 탐지에서 우수한 성능을 나타내며, 따라서 정확하고 효율적인 실시간 BCI 시스템의 잠재력을 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.