딥러닝의 EEG 신호 분석에서의 활용과 CNN의 원리

소개

"딥러닝의 EEG 신호 분석에서의 활용과 CNN의 원리"에 대한 내용입니다.

목차

1. 동기

2. 내용
(1) 딥러닝 기반 EEG 분석
(2) EEG분석을 위한 딥러닝 기법의 종류
(3) CNN의 이미지 분류 방법

3. 알게된 점

4. 요약

5. 참고문헌

본문내용

1. 동기
앞서 동아리 조원들과 BCI기술과 EEG 측정에 대해 알아보았다. BCI 기술에서 측정한 EEG 신호를 어떻게 해석해내는지 궁금했는데 딥러닝을 기반으로 한 분류 알고리즘이 쓰인다고 하여 이에 대해 알아보기로 하였다.
2. 내용
(1) 딥러닝 기반 EEG 분석
딥러닝 기법들은 동작상상, 감정인식 등 EEG 데이터 분류 작업에서 우수한 성능을 보인다. 딥러닝 알고리즘은 그 종류마다 과정이 다양하지만 크게는 EEG 데이터 수집과 전처리, 딥러닝 모형 학습, 신호 분류 및 해석의 과정으로 구성된다. 인공신경망의 종류 중 하나인 CNN을 이용한 신호 분류에서는 먼저 CNN으로 학습하기에는 이미지 형태의 데이터가 효과적이기에 파형을 이미지 형태로 바꾸는 전처리 과정을 거쳐야 한다.

참고자료

· EEG 신호 분석을 위한 딥러닝 연구 동향김태완*, 곽근창**BK사업단 소속 조선대학교*, 조선대학교**Research trend for Deep learning based on EEG signal Tae-Wan Kim* Keun-Chang Kawk**BK사업단 소속 Chosun University*, Chosun University**- 2408 -2022년도대한전기학회하계학술대회논문집2022.7.13~16www.dbpia.co.kr
· 정재윤, 박훈석, 박동현, 이상원, 김상연, 남창수, 추상현. (2021). 뇌-컴퓨터 인터페이스(BCI)와 인공지능: 딥러닝 및 설명가능AI. ie 매거진, 28(4), 30-38.