EEG and fNIRS Biomarker Analysis for Mental Health and BCI
연구 내용
EEG와 fNIRS의 신호·네트워크 특징을 모델링하여 정신질환 구분과 정서/자극 반응 예측, 실시간 BCI 분류 성능을 향상하는 연구
EEG와 fNIRS는 인지·정서 상태를 비침습적으로 관찰하는 생체신호로, 정신건강 영역에서 진단 및 예후 예측의 바이오마커로 활용될 수 있습니다. 본 연구는 EEG에서 PSD 기반 tDCS 반응 예측, signal statistics 기반 채널 선택을 포함한 self-induced emotion recognition, RSVP 패러다임을 이용한 실시간 BCI 분류를 수행합니다. 또한 fNIRS에서는 과제 수행 중 functional connectivity를 coherence 및 상관 기반 지표로 정량화하여 네트워크 특성으로 집단 구분을 시도합니다. 신호의 복잡성을 줄이면서 분류 모델의 실용성을 높이는 차별성을 보유합니다.
관련 연구 성과
관련 논문
0편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 EEG 기반 예측 문제를 대상으로 신호 특징(예: power spectral density)과 분류 모델의 결합을 통해 치료 반응 구분 가능성을 확인하는 방향으로 연구를 수행했습니다. 이후에는 emotion recognition에서 고밀도 EEG의 계산 부담과 채널 중복 문제를 다루기 위해 통계 기반 채널 선택을 적용하는 흐름으로 확장했습니다. 최근에는 RSVP 기반 실시간 BCI 구현을 통해 온라인 환경에서의 판별 가능성을 검증하고, fNIRS로 범위를 넓혀 과제 유발 functional connectivity 변화를 네트워크 메트릭으로 정량화하는 연구를 병행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.