뇌파로부터 인간의 행동 의도에 대한 정보를 추출하여, brain-computer interface(BCI)를 통해 사용자의 행동 의도에 따라 로봇 시스템이나 컴퓨터를 동작할 수 있다. 따라서, BCI 구현을 위해서는 뇌파 데이터에서 사용자의 행동 의도를 높은 정확도로 파악하는 것이 필수이다. 이를 위해, 본 논문에서는 행동 의도 파악 분류기 설계를 위한 ECoG 신호 가시화 기법과 그에 따른 신경망 모델에 대해 논한다. 먼저, ECoG 신호의 주파수 영역 특징을 가시화하기 위해 선형 보간법과 가우시안 보간법을 적용하였다. 선형 보간법과 가우시안 보간법을 통해, 뇌 표면 특정 영역 내 배치한 멀티채널 ECoG 센서의 주파수 특징을, 뇌 영역지도 기반 히트맵 이미지로 동시에 볼 수 있도록 하였다. 또 다른 방법으로, 시간-주파수 영역 특징을 가시화하는 웨이블릿 변환법을 적용하여 주파수 대역의 신호 활성도와 비활성도 특징을 중점적으로 가시화하였다. 이후, 세 가지 가시화 방법에 따른 ECoG 학습데이터 세트를 각각 구성하고, 행동 의도를 분류하기 위해, 선형·가우시안 보간법을 위해서는 CNN 그리고 웨이블릿 변환법을 위해서는 Bi-LSTM 신경망을 훈련하였다. 테스트 셋 데이터를 통해, 가시화기법-신경망모델 조합에 따라 선형 보간법은 93%, 가우시안 보간법은 85%, 웨이블릿 변환은 89%의 정확도를 최대 성능으로 보임을 확인 및 통계적으로 유의미 함을 검정하였다.
Jung et al. (Sat,) studied this question.