EEG-based AI-BCI Wheelchair Advancement: Hybrid Deep Learning with Motor Imagery for Brain Computer Interface

Created by

Haebom

저자

Bipul Thapa, Biplov Paneru, Bishwash Paneru, Khem Narayan Poudyal

💡 개요

본 논문은 뇌-컴퓨터 인터페이스(BCI) 기반 휠체어 시스템 개발에 관한 연구로, 오른손/왼손 운동 상상(motor imagery)을 통해 휠체어 방향을 제어하는 AI 통합 접근 방식을 제안합니다. 제안된 하이브리드 딥러닝 모델인 CTHM(Convolutional Neural Network-Transformer Hybrid Model)은 뇌파(EEG) 데이터를 사용하여 운동 상상을 높은 정확도로 분류하며, 이를 통해 휠체어 시뮬레이션에서 91.73%의 테스트 정확도를 달성했습니다.

🔑 시사점 및 한계

•

운동 상상 기반 뇌파 분석에서 CNN과 Transformer의 장점을 결합한 CTHM 모델이 기존 머신러닝 모델 대비 뛰어난 성능을 보였습니다.

•

Tkinter 기반 인터페이스는 사용자에게 직관적이고 기능적인 휠체어 제어 환경을 제공할 수 있습니다.

•

실제 휠체어 환경에서의 검증 및 사용자 적응성, 다양한 운동 상상 패턴에 대한 확장성 연구가 향후 과제로 남아있습니다.

PDF 보기

Made with Slashpage