Core Concepts
운전 과제에서 BCI 모델의 성능이 교정 세션에 비해 감소하지만, 여전히 의미 있는 수준의 예측 성능을 보인다.
Abstract
이 연구는 BCI 모델을 교정 세션에서 운전 과제로 전이시키는 과정을 관찰하였다.
교정 세션에서는 전형적인 운동 상상 패러다임을 사용하였다. 피험자들은 왼손, 오른손, 휴식 상태에 대한 시각적 단서를 받고 해당 동작을 수행하였다. 이때 EEG 신호와 EMG 신호를 동시에 기록하였다.
운전 세션에서는 EMG 신호를 이용한 모의 BCI를 통해 운전 과제를 수행하였다. 이때 EEG 신호를 기록하여 교정 세션과 비교하였다.
감각운동 리듬(SMR) 분석 결과, 교정 세션과 운전 세션에서 유사한 패턴이 관찰되었다. 하지만 운동 관련 피질 전위(MRCP)에서는 큰 차이가 나타났다.
CSP 기반 분류기를 이용한 분석에서, 교정 세션 데이터로 학습한 모델을 운전 세션에 적용했을 때 성능이 다소 감소하였지만, 여전히 의미 있는 수준의 예측 성능을 보였다.
이 결과는 SMR 기반 BCI 모델이 교정 세션에서 운전 과제로 전이될 수 있음을 시사한다. 하지만 지속적인 제어를 위해서는 연속 디코딩 기법과 개인차 극복을 위한 방안이 필요할 것으로 보인다.
Stats
운전 과제에서 왼손 움직임과 오른손 움직임을 구분하는 분류기의 F1 점수는 평균 0.53으로 나타났다.
교정 세션에서 왼손, 오른손, 휴식 상태를 구분하는 분류기의 F1 점수는 평균 0.69로 나타났다.
운전 세션에서 왼손, 오른손, 휴식 상태를 구분하는 분류기의 F1 점수는 평균 0.65로 나타났다.
Quotes
"SMR 분석 결과, 교정 세션과 운전 세션에서 유사한 패턴이 관찰되었다."
"MRCP에서는 교정 세션과 운전 세션 간 큰 차이가 나타났다."
"CSP 기반 분류기를 이용한 분석에서, 교정 세션 데이터로 학습한 모델을 운전 세션에 적용했을 때 성능이 다소 감소하였지만, 여전히 의미 있는 수준의 예측 성능을 보였다."