특허 개요
본 특허는 사용자가 동작을 상상할 때의 뇌전도 신호를 분석해 기기 제어 명령으로 바꾸는 뇌-컴퓨터 인터페이스(BCI) 명령어 분류 기술입니다. 동작 상상 구간과 인접한 휴지 구간의 신호를 인코더로 특징화한 뒤, 휴지 구간 특징의 센터 포인트와 동작 상상 구간 특징 간 유사도로 시간별 마스킹 점수(masking score)를 생성합니다. 이 점수를 원 신호에 적용해 휴지 신호와 유사한 성분은 억제하고 명령어 관련 성분을 상대적으로 부각한 후, 심층학습 기반 특징 추출과 분류기로 제어 명령을 분류합니다.
- 핵심 기능
뇌 신호 측정부가 동작 상상 구간과 인접 휴지 구간의 뇌전도 신호를 수집하면, 신호 마스킹부가 두 구간 특징의 유사도를 바탕으로 시간별 마스킹 점수를 산출합니다. 강화된 신호에서 특징 추출부가 제어에 유의미한 특징을 추출하고, 학습된 분류기가 이를 BCI 제어 명령어로 분류합니다.
- 차별 강점
기존 동작 상상 기반 BCI는 신호가 약하고 전기적 간섭, 눈 깜박임, 근육 움직임 등의 아티팩트에 취약해 명령 분류 정확도가 저하될 수 있습니다. 본 기술은 별도의 휴지 구간을 기준 신호로 활용하고 시간 포인트별 유사도 기반 마스킹을 적용해 휴지 신호와 유사한 성분을 억제하는 구조를 차별점으로 합니다.
- 활용 범위
기술·연구 측면에서는 동작 상상 뇌전도 분석, 비침습형 BCI, 신호 전처리, 실시간 의도 인식 및 인간-기계 인터랙션 분야에 활용 가능하며, 드론·군집 드론, 휠체어, 로봇 팔 제어 연구로 확장할 수 있습니다. 사업 측면에서는 재활·의료기기, 보조공학, XR·웨어러블 인터페이스, 헬스케어 솔루션 및 지능형 로봇 제어 제품군에 적용할 수 있습니다.
연구 개발 단계
명세서에는 동작 상상 구간과 인접 휴지 구간의 특징 유사도를 이용해 신호를 마스킹하고, 강화 신호를 기반으로 명령어를 분류하는 구조가 제시되어 있습니다. 정량 정확도, 피험자 규모, 실제 장치 환경에서의 실증 결과는 기재되지 않아 제품 환경의 성능은 추가 검증이 필요합니다.
현재 성과
휴지 구간 특징과 유사한 시간대의 신호 진폭을 억제하고, 동작 상상 기반 명령어와 관련된 특징을 가진 신호를 상대적으로 부각하도록 설계되었습니다. 이를 통해 노이즈 혼입으로 저하될 수 있는 BCI 명령어 분류 정확도 향상을 목표로 합니다.
명세서에는 신호 마스킹, 특징 추출 및 명령어 분류로 이어지는 처리 파이프라인과 각 구성요소가 제시되어 있습니다. 다만 명령어 분류 정확도, 피험자 규모, 세션 간 재현성, 실시간 처리 지연 및 실제 장치 환경의 실증 결과는 기재되지 않았습니다.
마스킹 점수는 휴지 구간 특징 센터 포인트와 동작 상상 구간 특징의 유사도를 바탕으로 시간 포인트별로 생성됩니다. 휴지 상태와 유사한 성분을 억제하는 기준을 신호 내부의 인접 휴지 구간에서 설정한다는 점이 일반적인 단순 신호 증폭 또는 분류 처리와 구별되는 핵심 구조입니다.
상용화까지 남은 부분
다양한 사용자와 반복 세션에서의 명령어 분류 정확도 및 일반화 성능 검증
실시간 BCI 제어 환경에서의 처리 지연, EEG 아티팩트 대응성 및 재현성 검증
드론·로봇·재활기기 등 실제 장치 연동 환경에서의 장기 사용 성능 및 실증 데이터 확보
기술 이전 형태·도입 과정
도입은 이렇게 진행됩니다.
검토 미팅
귀사 상황·데이터 구조 기준으로 적합성을 논의합니다. 자료 검토만으로 끝나도 됩니다.
PoC 공동 검증
연구팀 동행 하에 귀사 데이터 기준 재학습·성능을 확인합니다.
라이센싱 계약
PoC 결과를 기반으로 희망 형태(실시권·공동연구 등)를 협의합니다.
기술지도·후속
도입 초기 기술지도, 필요 시 후속 공동연구·정부과제 연계까지 진행합니다.
특허 정보
뇌 신호로부터 BCI 제어를 위한 명령어 분류 장치 및 방법
10-2024-0072170 (2024.06.03)
1020250173129 (2025.12.10)
10-2983208
이성환, 한현택, 김성진, 곽헌규, 이대혁
고려대학교 산학협력단
고려대학교 산학협력단