데이터사이언스/뇌파 데이터 분석

뇌파 데이터 전처리 방법 개략

누군가의 이야기 2022. 10. 5. 17:30
728x90

본 포스팅은 2017년 발행된 "뇌파신호 및 응용 기술 동향 " 논문을 참고하여 작성하였고,

출처는 아래에 링크 첨부하였습니다.

https://ettrends.etri.re.kr/ettrends/164/0905002192/

 

뇌파신호 및 응용 기술 동향

뇌파(EEG: Electro Encephalo Graphy)는 (그림 1)[1]에서 나타낸 바와 같이 두뇌를 구성하는 신경세포들의 전기적 활동을 두피에서 전극을 통해 간접적으로 측정할 수 있는 전기신호이다. 즉, 뇌파는 두뇌

ettrends.etri.re.kr

 


 

1. EEG / MEG Raw Data Collection

두피에서 측정한 가공하지 않은 원본의 뇌파신호는 해석하기가 어렵고,

파형을 시각적으로 분석하는 것은 보통 유용하지 않으므로,

분류방법으로 신호의 진동수(주파수)에 따라 분류하는 파워 스펙트럼 분류를 많이 사용한다. 

파워 스펙트럼이란, 측정되는 뇌파신호를 특정한 주파수별 단순 신호들의 선형적 합산으로 보고, 

이 신호를 각각의 주파수 성분별로 분해하여 그 크기(전력치)를 표시한 것이다.

 

주파수 별 뇌파신호는 잡음을 제거하기 위한 전처리(Pre-processing)와 주파수 영역으로의 변환을 위한 푸리에 변환(Fourier Transformation) 및 대역필터(BPF)를 통해 얻을 수 있다.

 

주파수 별 뇌파 분류

https://ettrends.etri.re.kr/ettrends/164/0905002192/

 

뇌파 표준 측정점

그림을 보면 머리 상하좌우 기준으로 10% / 20% / 20% / 20% / 20% / 10% 지점을 구분하여 전극을 측정하는 게 일반적임.

이를 10-20 시스템이라 부른다.

 


2. Baseline Correction

Baseline이란? 측정 도중 발생하는 shiht 현상. -> 채널마다 zero level이 달라지는 현상

- 자극을 주기 전의 파형을 baseline inteval이라 하고, 이 동안의 신호를 채널 별로 평균을 계산하여 빼준다.

- 전체 신호에 걸쳐 나타나는 선형적인 trend를 빼준다.

 


3. Filtering

우선 푸리에 변환 적용 -> 시간과 전압의 그래프를 주파수와 전압의 그래프로 변환하는 과정

이후 Bandpass 필터 적용 (원하는 주파수만 추출해주는 필터?)

 

전처리 필터는 0.01~200Hz 대역을 사용하고 FIR(Finite Impulse Response) 필터를 사용한다. 

사건유발전위 측정 시에는 (0.01~1)Hz~(15~30)Hz,

뇌파 해석 시에는 (0.01~1)Hz~100Hz를 사용하며

사용전원(50 또는 60Hz) 잡음제거를 위해서는 노치필터(Notch Filter)를 사용한다. 

안전도 신호를 제거하기 위한 전처리는 linear square regression, adaptive filter,

주파수 변환을 위해서는 푸리에 변환, 연속 웨이블릿 변환, Complex wavelet 변환, 

뇌파신호 간의 전력 차이와 위상차이를 얻기 위해서는 힐버트 변환을 주로 사용한다. 

스펙트럼 영역에서의 신호 해석에서는 자기상관 모델(AR: AutoRegressive), 전력 스펙트럼 밀도함수(power spectral density function)를 사용할 수 있다.

 


4. Artifact removal

Common Average Reference(모든 신호에서 평균 값을 빼줌으로써 잡음 제거 효과)나

Independent Component Analysis 활용하여 처리 가능

 

1~50uV 수준의 미약한 뇌파신호에 혼합된 전원 잡음, 

눈동자의 움직임에 따른 안전도 신호(EOG: ElectroOculoGraphy), 

근육의 수축과 이완에 의한 근전도(EMG) 신호, 

심장 박동에 의한 심전도(ECG: ElectroCardioGram) 신호 등 

뇌파신호처리 목적에 부합하지 않는 신호를 제거 또는 처리 과정이 필요하다.. 

 

Ocular Artifact (눈 깜빡임 등으로 인한 오류)

Muscle Artifact (근육 수축과 이완에 인한 오류, 기침, 침 삼킴, 스트레치 등)

Cardiac Artifact (심박이 전기신호에 영향 미칠 때)

 


5. Segmentation

자극 또는 반응에 대해 일정 구간으로 나누는 작업

 


6. Averaging

특정한 자극의 유형에 대해 평균을 내는 작업

 

 

728x90