Publications
Talk · International Conference on Human-Computer Interaction · January 1, 2011
DWT 기반 EEG 신호 분석을 위한 최적 기저웨이블릿 선택 기법
강원석, 이승현, Berdakh Abibullaev, 안진웅
Abstract
뇌신호 분석을 위해 EEG, fNIRS, MEG, fMRI, PET 등 다양한 보조측정 장치를 많이 사용하고 있다. 특히 EEG가 사용용의성, 이동성 및 비용 측면에서 많은 사용되고 있는 장치이다. EEG 분석을 위해 이산웨이블릿 변환(DWT:Discrete Wavetlet Transform)을 많이 이용하였고 BCI 및 의료 진단 분야에서 분류 및 군집 등의 기술 접근이 이루어져 왔다. DWT 기반 EEG 신호 분석에 있어서 최적 기저웨이블릿에 따라 분류 및 군집 등의 기술의 정확도가 많은 차이가 발생한다. 기존에는 정확도를 높이기 위해서 사람이 직접 다양한 실험 후 최적 기저웨이블릿을 선택하여 적용하였다. EEG 신호는 피시험자 마다 서로 다른 최적 기저웨이블릿이 다를 수 있기 때문에 이를 해결할 수 있는 기술이 필요하다. 본 논문에서는 DWT 기반 연속적인 시간의 EEG 신호 분석을 위해 최적 기저웨이블릿을 선택할 수 있는 새로운 방법을 제안한다. 제안한 기술의 효율성을 보이기 위해 기존에 개발된 군집 기법을 이용하여 실험을 수행하였다. 실험결과 약 15% 정도의 성능개선 효과를 확인하였다.
EEG and Brain-Computer InterfacesEmotion and Mood RecognitionMuscle activation and electromyography studiesEEG signal analysisdiscrete wavelet transformcontinuous EEG monitoring
More by Berdakh Abibullaev
- Onset Review: traceable analysis of high-frequency oscillations and seizure onset in intracranial EEGZenodo · 2026
- Multi-scale EEG feature decoding with Swin Transformers for subject independent motor imagery BCIsScientific Reports · 2026 · Citations: 12
- Generative data augmentation for machine learning-based quantitative cancer cell detection using optical fiber biosensorsEPJ Web of Conferences · 2026
- Deep learning in intracranial EEG for seizure detection: advances, challenges, and clinical applicationsFrontiers in Neuroscience · 2025 · Citations: 13