뇌파 디코딩을 위한 입자 군집 최적화 기반의 특징 선택 알고리즘 개발

Abstract

최근 brain-computer interface(BCI)를 위한 뇌파 디코딩 연구가 활발히 진행되고 있다. BCI 기술은 환자 및 사용자가 상상한 음성을 디코딩 하여 외부 기기로 출력함으로써, 마비 환자의 의사소통을 도울 수 있다. 이러한 BCI 시스템의 개발에 있어 뇌파를 정확하게 디코딩하는 기술은 필수적이다. 그러나 뇌파에는 작업과 관련 없는 신호가 많이 섞여 있어, 정확도를 감소시키고 과적합 문제를 일으킨다. 따라서 디코딩 성능 향상을 위해서는 특징 선택이 필요하다. 특징 선택 기법에는 filter 방식과 wrapper 방식이 있는데, wrapper 방식은 filter 방식 대비 높은 성능을 보인다. Wrapper 방식의 특징 선택 방법으로 입자 군집 기반의 알고리즘이 제안되었는데, 대표적으로 particle swarm optimization (PSO)과 quantum-behaved particle optimization (QPSO)이 있다. 이러한 방식은 최근 운동 상상(motor imagery) BCI 영역에 적용 되었으며, 성능 개선을 위해 많은 연구가 진행되고 있다. 본 연구에서는 binary-QPSO(BQPSO) 알고리즘을 기반으로 한 SHImR-BQPSO라 불리는 새로운 특징 선택법을 제안하여 음성 인식에 대한 electrocorticography(ECoG) 디코딩에 적용하였다. SHImR-BQPSO에서는 성능 향상을 위해 세가지 개선안이 적용되었다. 세가지 개선안은 각각 의미론적 정보(semantic information)를 기반으로 한 semantic-hierarchical 구조의 적용, 돌연변이 확률 추가, filter 기반의 특징 선택 알고리즘과의 결합이다. 각 개선안은 정확도 향상과 지역 최저점 수렴 방지, 특징 차원 크기의 효과적인 감소를 목표로 한다. 우리가 제안한 SHImR-BQPSO 알고리즘은 기존 BQPSO 알고리즘 대비 특징 개수 감소와 디코딩 정확도 향상 측면에서 유의미하게 뛰어남을 보이며 음성 인식 ECoG 신호 디코딩에 효과적임을 입증했다. 본 연구에서 제안한 특징 선택 방식은 채널 선택 기법 또는 음성 상상 뇌파 디코딩 연구에 기여할 수 있을 것이다.| BCI system can help paralyzed patients communicate by decoding the patient's imagined speech and outputting it to an external device. In the development of such a BCI system, a technology for accurately decoding EEG is essential. However, EEG is mixed with signals that are unrelated to the task, which reduces accuracy. Therefore, feature selection is required to improve decoding performance. A typical feature selection algorithm of the wrapper method is binary quantum-behaved particle optimization (BQPSO). In this study, we proposed a novel feature selection method based on the BQPSO algorithm and applied to electrocorticography (ECoG) decoding for speech perception. In SHImR-BQPSO, three improvements were applied to improve performance. Proposed SHImR-BQPSO algorithm was significantly higher performance than BQPSO algorithm in terms of reducing the number of features and improving decoding accuracy.