Paul Barbaste (Inclusive Brains, Wavestone, Human Technology Foundation), Olivier Oullier (Human-Computer Interaction Department, Mohamed bin Zayed University of Artificial Intelligence, Inclusive Brains, Institute for Artificial Intelligence, Biotech Dental Group), Xavier Vasques (IBM Technology, IBM France Lab)
개요
본 논문은 뇌-컴퓨터 인터페이스 (BCI) 응용 분야에서 뇌파 (EEG) 패턴의 견고한 디코딩과 분류에 대한 주요 과제를 해결하고자, 대규모 벤치마크를 제시한다. 340,000개 이상의 공간적, 비선형 EEG 분류 조합을 평가하며, Common Spatial Patterns (CSP), Riemannian 기하학, 기능적 연결성, 프랙탈 또는 엔트로피 기반 특징을 다양한 오픈 액세스 EEG 데이터셋에 적용한다. 참가자별 수준에서 분석을 수행하고 여러 주파수 대역에서 평가하여 그룹 수준 성능과 개인차를 직접적으로 평가한다. Covariance tangent space projection (cov-tgsp)과 CSP가 가장 높은 평균 분류 정확도를 보였지만, 데이터셋 의존성이 강하고 개인별 차이가 존재했다. 비선형 방법이 특정 개인에게는 공간적 접근 방식보다 우수한 성능을 보였다.
시사점, 한계점
•
시사점:
◦
개인 맞춤형 파이프라인 선택의 중요성 강조.
◦
모든 사용자와 데이터셋에서 최적의 성능을 보이는 '만능' 방법은 없음을 밝힘.
◦
실용적인 BCI 응용 분야에서 신경생리학적 가변성을 완전히 해결하기 위해 적응형, 다중 모달, 새로운 접근 방식의 필요성을 제시.
•
한계점:
◦
데이터셋 의존성이 강하게 나타남.
◦
참가자 간, 참가자 내 차이가 여전히 존재.
◦
향후 연구에서는 각 사용자에게 맞춰 시스템이 자동적으로 적응하는 방식에 대한 연구가 필요.
