뇌파(EEG) 분류 과제를 위한 딥러닝: 리뷰 연구 (2019)

Deep learning for electroencephalogram (EEG) classification tasks - A review.pdf

2.39MB

 

Deep learning for electroencephalogram (EEG) classification tasks: a review

저자 :  Alexander Craik, Yongtian He, Jose L Contreras-Vidal

뇌파(EEG) 분석은 신경과학에서 중요한 도구로 활용되며, 신경공학(예: 뇌-컴퓨터 인터페이스, BCI) 및 상업적 응용 분야에서도 널리 사용되고 있다. EEG 연구에서 사용되는 분석 기법 중 많은 부분이 머신러닝을 활용하여 신경 분류 및 신경 영상화에 필요한 정보를 도출해왔다.

최근에는 대규모 EEG 데이터셋의 확보와 머신러닝 기술의 발전으로 인해, 특히 뇌파 신호 분석 및 뇌 기능 이해에 있어 딥러닝 아키텍처가 적극적으로 도입되고 있다. 이러한 신호의 자동 분류를 더욱 정밀하고 신뢰성 있게 수행하는 것은 EEG의 실용성을 높이는 중요한 단계이며, 전문가의 개입을 최소화할 수 있는 가능성을 제공한다. 이를 위해 본 연구에서는 EEG 분류에 대한 딥러닝 적용 사례를 체계적으로 검토하며, 다음과 같은 핵심 질문을 다루었다.

1. 딥러닝을 활용한 EEG 분류 과제는 어떤 것들이 있는가?
2. 딥러닝 모델 학습을 위해 어떤 입력 데이터 형식이 사용되는가?
3. 특정 과제에 적합한 딥러닝 네트워크 구조가 존재하는가?

Web of Science 및 PubMed 데이터베이스에서 EEG 분류에 딥러닝을 적용한 연구들을 체계적으로 검토하여 총 90편의 논문을 선정하였다. 해당 연구들은 과제 유형, EEG 전처리 방법, 입력 데이터 유형, 딥러닝 모델 구조를 기준으로 분석되었다.

본 연구는 EEG 분류를 위한 딥러닝의 최신 연구 동향과 성과를 정리한 리뷰 논문이다. 또한, 연구자들이 향후 EEG 데이터셋에 딥러닝을 적용할 때 참고할 수 있도록 다양한 하이퍼파라미터 선택에 대한 실질적인 조언을 제공한다. 이를 통해 EEG 연구의 실용성을 높이고, 보다 효과적인 딥러닝 모델 개발을 촉진하는 데 기여한다.