특허 개요
본 특허는 사용자가 상상한 동작을 뇌파로 판별하기 위한 EEG 신호 분류 장치 및 방법입니다. 휴식 시 측정한 뇌파와 동작 상상(MI) 뇌파를 혼합 증강하고, DCN 기반 오토인코더(autoencoder)가 입력 신호를 재구성하도록 사전 학습해 잡음에 덜 민감한 특징을 추출합니다. 이어 휴지기 특징은 기준 중심에 모으고 서로 다른 동작 상상 클래스는 분리하는 특징 정렬(feature alignment) 손실을 적용한 뒤, 분류 모델을 미세 조정해 사용자 의도에 해당하는 EEG 신호를 분류합니다.
- 핵심 기능
휴지기 신호와 동작 상상 신호를 믹스업해 학습 데이터를 구성하고, 오토인코더의 재구성 학습으로 EEG의 잠재 특징을 추출합니다. 잠재공간에서 휴지기 특징을 프로토타입에 정렬하고 동작 상상 클래스 간 거리를 확보한 후, 과제 관련 특징을 이용해 분류 모델을 미세 조정합니다.
- 차별 강점
종래 EEG 전처리는 특정 잡음원에 집중하거나 선형 탈추세 과정에서 과제 관련 정보를 함께 제거할 우려가 있었습니다. 본 기술은 휴지기 신호 기반 증강, 오토인코더 재구성, 휴지기 프로토타입 정렬과 동작 상상 클래스 분리를 결합해 신호 무결성과 분류 변별력을 함께 확보하도록 설계한 점이 차별점입니다.
- 활용 범위
기술·연구 측면에서는 뇌파 신호처리, 동작 상상 BCI, 신경재활 인터페이스, 웨어러블 EEG 및 XR·뉴로햅틱 분야에 활용 가능하며, 사용자별 보정 부담을 줄이는 EEG 분류 연구로 확장할 수 있습니다. 사업 측면에서는 재활 보조기기, 뇌파 기반 외부 장치 제어 솔루션, 의료 인터페이스, XR·웨어러블 디바이스의 의도 인식 기능으로 확장할 수 있습니다.
연구 개발 단계
DCN 기반 오토인코더, 특징 정렬 및 2단계 학습을 결합한 모델을 BCIC IV 2a·2b 데이터세트에서 DCN, EEGNet 및 단계별 결합 모델과 비교했습니다. 벤치마크 환경의 분류 성능은 확인됐으나, 다양한 실제 EEG 장비와 사용자군에서의 재현성, 장기 사용 안정성, 실시간 처리 및 임상 적용 검증은 확인되지 않았습니다.
- 평가 데이터: BCIC IV 2a·2b 동작 상상 EEG 데이터세트
- 비교 모델: DCN, EEGNet, AE_DCN, AE_DCN+FA, AE_DCN+FA+PF
- 학습·평가 조건: 250Hz 샘플링, 5배 교차 검증, 최대 300회 학습, 학습률 0.0001, 배치 크기 16
현재 성과
AE_DCN+FA+PF 모델은 BCIC IV 2b에서 비교한 5개 모델 중 최고 정확도를 기록했습니다. 휴지기 기반 증강과 오토인코더 재구성, 특징 정렬 및 2단계 학습을 결합해 동작 상상 클래스의 분류 성능을 확인했습니다.
BCIC IV 2a·2b 데이터세트에서 5배 교차 검증으로 모델을 평가하고, DCN 및 EEGNet을 포함한 비교 모델과 성능을 대조했습니다. BCIC IV 2a는 9명 피험자·22채널·4개 과제, BCIC IV 2b는 9명 피험자·3채널·좌·우 손 과제를 사용했습니다.
특징 정렬 모듈만 적용하는 방식이 아니라, 휴지기 특징의 프로토타입 수렴과 서로 다른 동작 상상 클러스터의 분리를 오토인코더 사전 학습 및 분류 미세 조정과 결합합니다. 종래의 특정 잡음원 중심 전처리와 달리, 과제 관련 특징 보존과 잠재 표현의 변별력 확보를 함께 목표로 하는 구조입니다.
상용화까지 남은 부분
다양한 EEG 장비, 측정 환경 및 사용자군에서의 분류 성능 재현성 검증
장기 사용 시 신호 변화와 생리적 아티팩트에 대한 안정성 및 실시간 처리 성능 검증
의료기기·재활 제품 적용을 위한 임상 검증과 대상 제품별 인터랙션 시나리오 실증
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
동작 상상 기반의 뇌-컴퓨터 인터페이스를 위한 휴지기 신호 기반의 디노이징 표현 학습이 적용되는 EEG 신호 분류 장치, 방법 및 이를 수행하기 위한 기록 매체
10-2024-0039901 (2024.03.22)
1020250142673 (2025.09.30)
10-2972495
이성환, 엘리사 얀팅 림, 신혜빈, 은강, 권병희
고려대학교 산학협력단
고려대학교 산학협력단