ICA가 청각 상상 뇌파 분류에 미치는 영향

Abstract

최근 뇌전도(EEG, Electroencephalogram) 전처리 적용이 신호 분석 및 분류 성능에 큰 영향을 미칠 수 있으나, 청각 자극과 청각 상상 발화 데이터에서 독립성분분석(ICA, Independent Component Analysis)이 미치는 영향과 이를 평가하기 위해 딥러닝을 활용한 연구는 아직 명확히 이루어지지 않았다. 본 연구에서는 EEG 신호의 특성 중 하나인 사건유발전위(ERP, Event-Related Potential)를 활용하여 청각 자극에 대한 실제 발화와 상상 발화 데이터에서 ICA 적용 전후의 아티팩트 제거 효과를 분석하고, 딥러닝 모델을 통해 ICA 적용이 모델 성능에 미치는 영향을 평가한다. 본 연구는 ICA가 청각 자극 기반 상상 발화 데이터에서 아티팩트 제거에는 효과적일 수 있으나, ERP 신호의 시간적 일관성 유지와 딥러닝 모델의 성능 향상, 그리고 유용한 특징 추출에는 제한점이 있음을 시사한다.