본 논문은 2018년부터 2023년까지 발표된 216편의 뇌전도 기반 감정 인식(EEG-ER) 논문 분석을 통해, 이 분야가 표준화된 평가 프로토콜의 부재로 인해 새로운 접근 방식의 비교 및 분야의 발전 추적에 어려움을 겪고 있음을 밝혔다. 따라서 기존 연구의 주요 불일치점(기준 진실 정의, 평가 지표 선택, 데이터 분할 유형, 데이터셋 사용 등)을 분석하고, 이를 해결하기 위해 통합 평가 프로토콜인 EEGain을 제안한다. EEGain은 오픈소스 소프트웨어 프레임워크로, 데이터 전처리, 데이터 분할, 평가 지표를 표준화하고, EEG-ER 분야의 6개 주요 데이터셋(AMIGOS, DEAP, DREAMER, MAHNOB-HCI, SEED, SEED-IV)을 한 줄의 코드로 로드할 수 있도록 지원한다. 또한, 4가지 일반적인 공개 방법(EEGNet, DeepConvNet, ShallowConvNet, TSception)을 사용하여 6개 데이터셋에서 EEGain을 평가하고 검증하였다. 이를 통해 EEG-ER 연구의 재현성과 비교 가능성을 높이고, 분야의 전반적인 발전을 가속화하는 데 기여할 것으로 기대된다.
