Core Concepts
사후 설명 기법과 도메인 지식을 활용하여 뇌전도 기반 뇌-컴퓨터 인터페이스의 성능과 신뢰성을 향상시킬 수 있다.
Abstract
이 연구는 뇌전도(EEG) 기반 뇌-컴퓨터 인터페이스(BCI) 시스템의 성능 향상을 위해 사후 설명 기법과 도메인 지식을 활용하는 방법을 제안한다.
EEG 데이터는 잡음과 낮은 신호 대 잡음비로 인해 복잡한 모델이 필요하지만, 이는 모델의 해석 가능성을 저하시킨다. 이 연구에서는 Grad-CAM 사후 설명 기법을 활용하여 모델이 예측에 사용한 주요 EEG 채널과 시간 영역, 주파수 영역을 시각화하고, 이를 신경생리학적 지식과 비교 분석하였다.
실험 결과, 모든 64개 EEG 채널을 사용한 모델이 72.60%의 정확도를 보였지만, Grad-CAM으로 선별한 상위 17개 채널 모델은 65.09%로 성능이 유의미하게 감소하였다. 반면, 운동 영역 관련 21개 채널을 사용한 모델은 70.85%로 Grad-CAM 모델보다 4.22% 높은 성능을 보였다. 이를 통해 성능 지표만으로는 BCI 모델의 신뢰성을 평가하기 어려우며, 신경생리학적 타당성 검증이 필요함을 확인하였다.
Stats
전체 정확도 기준 모델 성능:
모든 64개 EEG 채널 사용: 72.60%
Grad-CAM 상위 17개 채널 사용: 65.09%
운동 영역 관련 21개 채널 사용: 70.85%
개별 참여자 S42의 정확도:
모든 64개 채널 사용: 82.80%
Grad-CAM 상위 17개 채널 사용: 42.50%
운동 영역 관련 21개 채널 사용: 80.00%
Quotes
"성능 지표만으로는 BCI 모델의 신뢰성을 평가하기 어려우며, 신경생리학적 타당성 검증이 필요하다."
"사후 설명 기법과 도메인 지식을 활용하여 BCI 모델의 예측 결과를 해석하고 검증할 수 있다."