Intelligent Neuroengineering Laboratory

본문 바로가기

팝업레이어 알림

팝업레이어 알림이 없습니다.


Research Fields

고려대학교 지능형 신경공학 연구실에서는 뇌파(EEG), 근전도(EMG), 심전도 (ECG) 등의 다양한 생체 신호에 머신러닝/딥러닝(인공지능) 기법을 적용하여 신체의 물리적, 기능적 손상을 가진 환자들의 일상 생활과 재활에 도움을 줄 수 있는 다양한 의료 및 재활 관련 시스템들을 개발하고 있습니다.

 

특히, 사지마비가 되어 몸을 움직일 수 없는 환자들이 생각(뇌파)만으로 휠체어, 로봇팔, 컴퓨터 등의 다양한 외부기기를 조작 할 수 있도록 도와 주는 뇌-컴퓨터 접속(Brain-Computer Interface: BCI) 시스템 개발연구를 집중적으로 수행하고 있습니다. 최근에는 뇌전기자극의 효과를 뇌파를 통해 검증하고, 해당 기술을 뇌정신/신경 질환을 치료할 수 있는 방법으로 활용하기 위해 국내대형병원 및 관련 업체들과 함께 공동 연구를 수행하고 있습니다.

이외에도 팔이나 손의 일부를 잃어버린 사람들이 남아 있는 근육 신호를 이용해서 의수를 컨트롤 할 수 있도록 도와주는 근전도 기반 의수 컨트롤 (Myoelectric Prosthesis Control) 시스템, 뇌파를 이용한 개인 인증 시스템 (Biometric Authentication) 및 심전도 신호를 이용한 심정지 예측 시스템을 개발하는 연구도 수행하고 있습니다.

Brain-Computer Interface (BCI)

■ What is brain-computer interface (BCI)?

뇌-컴퓨터 접속(brain-computer interface: BCI)는 신경계 질환 및 각종 사고로 인하여 신체의 움직임이 불편한 사람들이 그들의 뇌파만을 이용하여 외부 세계와 소통할 수 있도록 도와주는 기술을 의미한다.

■ Demo Movies for Previous BCI Studies

현재 홈페이지에 있는 4개의 동영상을 2 x 2 로 배열 해서 제시 혹은 4개를 가로로 쭉 늘어뜨려서 배치

■ EEG/NIRS Hybrid BCI Based on Deep Learning

BCI 연구는 전통적으로 뇌의 전기적 신호를 측정하는 EEG를 활용하여 연구가 되어 왔지만, 약 10여년 전부터 뇌의 혈류량 변화를 측정할 수 있는 근적외선분광기법(near-infrared spectroscopy: NIRS)를 활용한 BCI 연구가 소개 되고 있다. 최근에는 BCI 시스템의 분류 성능을 향상 시키고자 EEG와 NIRS를 동시 측정 및 분석하는 EEG/NIRS Hybrid BCI 연구가 진행되고 있다. 본 연구실에서도 관련 연구를 활발히 수행하고 있으며 동분야 최우수 저널에 다수의 논문을 출간하였다. 최근에는 딥러닝 기술을 적용하여 EEG/NIRS Hybrid BCI 시스템 성능을 더욱 향상 시키는 연구를 수행하고 있다. ▶ 대표 연구 결과: EEG/NIRS 동시 측정 시스템 개발 및 검증 Jaeyoung Shin, Klaus-Robert Muller, Christoph Schmitz, Do-won Kim and Han-Jeong Hwang*, "Evaluation of a Compact Hybrid Brain-Computer Interface System," Biomed Research International, vol. 2017, Article ID: 6820482, March 8, 2017. (*corresponding author) 참고문헌: 연구실 홈페이지 Publication List에서 25, 27, 32, 35, 36번 논문

■ Ear-EEG-Based BCI

뇌파기반 BCI 시스템의 실용성을 향상 시키기 위해 본 연구실에서는 최근 귀 주변에서 발생하는 뇌파(Ear-EEG)만을 활용한 BCI 시스템을 개발하는 연구를 수행하고 있다. ▶ 대표 연구 결과: Ear-EEG를 활용한 BCI 시스템 개발 가능성 검증 Soo-In Choi, Chang-Hee Han, Ga-Young Choi, Jaeyoung Shin, Kwang Soup Song, Chang-Hwan Im, Han-Jeong Hwang*, " Feasibility of Using Ear-EEG to Develop an Endogenous Brain-Computer Interface", Sensors, August 29, 2018. 연구실 홈페이지 Publication List에서 39, 41번 논문 참고
Transcranial Electrical Stimulation (TES)

■ What is transcranial electrical stimulation (tES)?

경두개전기자극술(transcranial electrical stimulation: tES)은 두피 표면에 미세 전류를 흘려 뇌활성화를 조절하는 기술로써, 최근 다양한 뇌정신/신경질환 치료에 효과가 있음이 보고 되고 있다. 본 연구실에서는 분당서울대병원 재활학과 및 관련 업체들과 함께 뇌졸중 환자를 치료하기 위한 tES기술을 개발 하고 있다.

■ 뇌가소성 기반 가상현실-뇌신경조절 기술 융합 일체형 뇌신경재활 의료기기 및 플랫폼 개발

Biometric Authentication

■ What is biometric authentication?

생체 인증(biometric authentication)은 사람의 인체의 고유한 특성을 활용한 인증 방식이다. 스마트폰의 지문 및 홍채 인식이 대표적인 예이다. 지문과 홍채의 경우 복제가 가능하며 최근 지문과 홍채의 복제를 통한 관련 범죄 사례가 보고 되고 있다. 따라서 본 연구실에서는 이론적으로 복제가 불가능한 뇌파와 심전도 신호를 활용한 생체 인증 기술을 개발 하고 있다.

■ 뇌파 기반 생체 인증

■ Ear-ECG 기반 생체 인증 (귀에서 ECG 데이터 검출 가능성 확인)

Classification of Psychiatric Disorders

■ What is classification of psychiatric disorder?

조현병, 조울증, ADHD, PTSD는 뇌 정신 질환(psychiatric disorder)의 대표적인 예이다. 이러한 정신 질환은 전통적으로 의사의 면담과 설문 조사 방식을 통해 질환을 진단하고 적합한 약을 처방하게 된다. 하지만, 특정 질환들은 증상이 중복되어 의사들 조차 정확한 진단이 어려운 경우가 발생한다. 본 연구실에서는 뇌파를 활용하여 이러한 정신 질환의 정확한 진단을 도울 수 있는 기술을 개발하고 있다.

■ 조울증과 조현병 분류

Fatemeh Alimardani, Jae-Hyun Cho, Reza Boostani, Han-Jeong Hwang*, “Classification of bipolar disorder and schizophrenia using steady-state visual evoked potential based features,” IEEE Access, July 12, 2018.

■ 조현병 진단

Miseon Shim, Han-Jeong Hwang, Do-Won Kim, Seung-Hwan Lee, Chang-Hwan Im, “Machine-learning-based diagnosis of schizophrenia using combined sensor-level and source-level EEG features,” Schizophrenia Research, vol.176, no. 2-3, pp. 314-319, October 01, 2016
Myoelectric Control

■ What is myoelectric control?

Myoelectricl control 은 팔이나 손의 일부를 잃어 버린 사람들이 남아 있는 근육 신호를 이용해서 전자 의수를 제어하는 기술을 통칭하는 용어이다. 본 연구실에서는 전자 의수 제어 정확도를 향상시키는 연구를 수행중이며, 최근에는 딥러닝 기술을 적용하여 성능을 더욱 향상시키는 연구를 수행하고 있다.

■ Demo Movies for Previous Studies

현재 동영상 두개를 세로가 아닌 가로로 배치하기 (http://nec.kumoh.ac.kr/page.php?content=Research4)

■ 대표 연구1: Optimal Channel Selection

상용화 된 전자 의수를 제작할 때 근전도 신호를 측정하는 전극이 1개씩 늘어날 때 마다 수 백만원의 비용이 발생한다. 따라서 최소한의 전극으로 최대한의 전자 의수 성능을 낼 수 있는 알고리즘을 제안하였으며, 전체 96개의 전극을 이용해서 얻을 수 있는 성능과 유사한 성능을 제안한 알고리즘을 이용해서 선택한 약 10개 내외의 전극으로 얻을 수 있음을 확인하였다. Han-Jeong Hwang, Janne Mathias Hahne and Klaus-Robert Müller, "Channel Selection for Simultaneous and Proportional Myoelectric Prosthesis Control of Multiple Degrees-of-Freedom," Journal of Neural Engineering, vol. 11, no. 5, pp. 056008, August 01, 2014. 참고문헌: 연구실 홈페이지 Publication List에서 14, 15, 17, 30번 논문

■ 대표 연구2: 딥러닝 기반 손가락 움직임 분류 정확도 향상

ECG-Based Prediction of Sudden Hear Attack

■ What is ECG-based prediction of sudden hear attack?

심장마비는 주로 심실 빈맥성 부정맥(Ventricular tachyarrhythmia )에 의해서 발생한다 심실 빈맥성 부정맥은 심실 세동 (ventricular fibrillation)과 심실성 빈맥(ventricular tachycardia) 2가지 종류가 있다. 본 연구는 ECG(심전도)에 머신러닝과 딥러닝 기술을 적용하여 심장마비를 야기하는 심실 세동 및 심실성 빈맥을 사전에 검출하여 심장 마비로 인한 사고를 예방하고자 하는 것을 목표로 한다. 본 연구는 금오공과대학교 계산의학 연구실 임기무 교수 연구팀(https://www.cmllab.com/)과 공동으로 진행하고 있다.

■ 대표 연구: ECG기반 심실 세동(ventricular fibrillation) 사전 예측

Getu Tadele Taye, Han-Jeong Hwang*, Ki Moo Lim, "Machine Learning Approach to Predict Ventricular Fibrillation Based on QRS Complex Shape", Frontiers in Physiology, in revision.

    Copyright©2020 i-neuro(Intelligent Neuroengineering Laboratory). All rights reserved.