웨어러블 뇌파 기기 활용 확대를 위한 딥러닝 기반 뇌파 초해상화 연구
- 주제(키워드) EEG 초해상도 , 감정 인식 , Power Spectral Density , Transformer , 웨어러블 EEG , 피험자 독립적 복원
- 주제(DDC) 005.1
- 발행기관 아주대학교 정보통신대학원
- 지도교수 이석원
- 발행년도 2026
- 학위수여년월 2026. 8
- 학위명 석사
- 학과 및 전공 정보통신대학원 지능형소프트웨어
- 실제URI http://www.dcollection.net/handler/ajou/000000036252
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
뇌전도（EEG） 기반 감정 인식은 정신 건강 모니터링, 뇌-컴퓨터 인터페이스（BCI）, 감정 컴퓨팅 분야에서 활발히 연구되고 있다. 이 분야의 핵심 연구 질문은 다음과 같다. 저채널 웨어러블 EEG만으로 임상급 고채널 시스템에 준하는 감정 인식 성능을 달성할 수 있는가? 현재 고성능 감정 인식은 62채널 이상의 고밀도 EEG 시스템에 의존하지만, 수천만 원의 비용, 전문 인력에 의한 긴 준비 시간, 착용 불편함으로 인해 실생활 적용이 극히 제한된다. 이를 해소하기 위한 기존의 EEG 채널 복원 연구들은 세 가지 근복적 한계를 지닌다. 첫째, 대부분의 방법이 원시 시계열 신호를 직접 복원하여 아티팩트에 취약하다. 둘째, 32채널 이상의 상대적 고채널 시나리오에 집중하여 진정한 저채널（8-16채널） 복원 연구가 부족하다. 셋째, 가장 중요하게, 새로운 사용자에게 고채널 EEG를 사전 수집하도록 요구하는 피험자 종속적（subject-independent） 복원 방식을 채택하였다. 제안 아키텍처는 8, 14, 16, 32채널의 저밀도 PSD 입력으로부터 62채널 고밀도 PSD 특징을 복원하여, 복원 품질과 감정 분류 성능을 동시에 최적화하는 이중 손실 구조를 사용한다. SEED-IV 데이터셋을 대상으로 Leave-One-Subject-Out 교차 검증을 통해 수행된 180개 실험 결과, Uniform 채널 선택 전략 기준으로 32채널 입력 시 평균 78.45%, 16채널 입력 시 평균 77.92%의 분류 정확도 보존율（APR）을 달성하였으며, 최고 97.56%（subject 2）까지 보존되었다. 세 가지 채널 선택 전략（Clinical Standard, Hardware Realistic, Uniform Distribution） 비교에서 Uniform 전략이 통계적으로 유의미하게 우수하였다（paired t-test, p〈0.01, Bonferroni 보정, Cohen's d=1.26）. 채널 수-성능 관계에서 수확 체감 패턴이 관찰되어 16채널이 성능과 하드웨어 복잡도 간 최적 균형점으로 확인되었다. 본 연구의 기여는 세 가지다. 첫째, PSD 특징 공간에서의 EEG 초해상도라는 새로운 패러다임을 제안하고 그 실효성을 실증하였다. 둘째, 피험자 독립적 복원이라는 실용적 조건 하에서 임상 수준에 준하는 성능 달성 가능성을 180개 실험으로 검증하였다. 셋째, 세 가지 채널 선택 전략의 체계적 비교를 통해 Uniform 분포의 이론적 근거와 실용적 우월성을 확인하였다. 이는 정신 건강 관리의 패러다임을 반응적·병원 중심에서 예방적·개인 중심으로 전환하는 기술적 기반이 될 수 있다.
more초록/요약
EEG-based emotion recognition has been actively studied in the fields of mental health monitoring, brain-computer interfaces （BCI）, and affective computing. The core research question in this field is as follows: Can low-channel wearable EEG alone achieve emotion recognition performance comparable to clinical-grade high-density systems? Current high-performance emotion recognition relies on high-density EEG systems with 62 or more channels, but their adoption in real-life settings is severely limited by costs reaching tens of millions of won, long preparation times requiring expert personnel, and discomfort during wear. Existing EEG channel reconstruction studies aimed at addressing this issue suffer from three fundamental limitations. First, most methods directly reconstruct raw time-series signals and are thus vulnerable to artifacts. Second, they focus on relatively high-channel scenarios of 32 channels or more, leaving true low-channel （8–16 channels） reconstruction insufficiently explored. Third, and most importantly, they adopt subject-dependent reconstruction approaches that require pre-collection of high-channel EEG from new users. The proposed architecture reconstructs 62-channel high-density PSD features from low-density PSD inputs of 8, 14, 16, and 32 channels, employing a dual-loss structure that simultaneously optimizes reconstruction quality and emotion classification performance. Across 180 experiments conducted on the SEED-IV dataset using Leave-One-Subject-Out cross-validation, the Uniform channel selection strategy achieved an average Accuracy Preservation Ratio （APR） of 78.45% with 32-channel input and 77.92% with 16-channel input, preserving up to 97.56% （subject 2）. A comparison of three channel selection strategies （Clinical Standard, Hardware Realistic, Uniform Distribution） demonstrated that the Uniform strategy was statistically significantly superior （paired t-test, p〈0.01, Bonferroni-corrected, Cohen's d=1.26）. A diminishing returns pattern was observed in the channel count–performance relationship, identifying 16 channels as the optimal balance point between performance and hardware complexity. This study makes three contributions. First, it proposes a new paradigm of EEG super-resolution in the PSD feature space and empirically demonstrates its effectiveness. Second, it verifies through 180 experiments the feasibility of achieving performance comparable to clinical-grade systems under the practical condition of subject-independent reconstruction. Third, through systematic comparison of three channel selection strategies, it establishes the theoretical basis and practical superiority of the Uniform distribution. These findings can provide a technical foundation for shifting the paradigm of mental health care from reactive and hospital-centered to preventive and individual-centered.
more목차
제1장 서론 1
제1절 연구 배경 1
제2절 문제 정의 및 연구 질문 2
제3절 기존 연구의 한계 3
제4절 연구 목표 및 기여 3
제2장 관련 연구 4
제1절 EEG 기반 감정 인식 4
1. EEG의 특성과 감정 연구에서의 위상 4
2. 주요 벤치마크 데이터셋 비교 5
3. EEG 특징 추출 방법론: PSD와 DE 6
제2절 EEG 채널 복원 및 초해상도 연구 7
1. 전통적 보간법: 구면 스플라인 보간법(SSI) 7
2. 시공간 상관관계 기반 복원 7
3. GAN 기반 공간 초해상도 7
4. GCN 기반 구조적 연결성 모델링 8
5. Attention 매커니즘 기반 채널 가중치 할당 8
6. Bi-LSTM 기반 공간 보간 8
7. Diffusion 모델 기반 초해상도 8
8. Transformer 기반 시공간 초해상도 8
제3절 Transformer 아키텍처의 EEG 적용 9
제4절 선행 연구 종합 비교 및 본 연구의 차별점 10
제3장 연구 방법론 10
제1절 데이터셋 11
제2절 데이터셋 선택 근거 11
제3절 신호 전처리 12
1. 다운샘플링 12
2. 전원선 잡음 제거 12
3. 대역통과 필터링 12
4. 공통 평균 참조(CAR) 13
5. Z-score 정규화 13
제4절 PSD 특징 추출 13
1. Welch 방법 13
2. 주파수 대역 정의와 신경생리학적 의미 14
3. LDS 기반 시간적 스무딩 14
제5절 채널 선택 전략 15
1. Clinical Standard 전략 15
2. Hardware Realistic 전략 15
3. Uniform Distribution 전략 15
제6절 Transformer 기반 초해상도 모델 16
1. 전체 아키텍처 설계 원칙 16
2. 입력 임베딩 17
3. 위치 인코딩 17
4. Transformer 블록 18
5. 채널 확장 레이어 18
제7절 손실 함수 및 학습 전략 19
1. 이중 손실 구조의 설계 의도 19
2. 손실 가중치(α, β) 설정 19
3. 옵티마이저 및 학습률 스케줄러 선택 근거 20
제8절 DE 특징 추출 및 감정 분류 20
제4장 실험 결과 및 분석 21
제1절 실험 환경 및 평가 프로토콜 21
1. 실험 환경 사양 21
2. 교차 검증 설계 21
3. 평가 지표 정의 22
제2절 채널 선택 전략별 성능 비교 22
제3절 채널 수에 따른 성능 분석 및 수확 체감 해석 24
제4절 주파수 대역별 복원 품질 분석 24
제5절 피험자별 성능 편차 분석 26
1. 고성능 피험자 사례 26
2. 저성능 피험자 사례 26
제6절 설계 방식의 타당성 검토 27
제7절 종합 토의 28
1. 피험자 독립적 복원의 실용적 가능성 28
2. 16채널의 균형점 28
3. Uniform 전략의 이론적 우월성 28
4. 주파수 대역별 비대칭적 복원 품질의 응용적 함의 28
5. 해결되지 않은 문제들 28
제5장 결론 29
제1절 연구 요약 및 기여 29
1. 패러다임 전환 29
2. 실용적 검증 29
3. 채널 선택 전략 분석 29
제2절 연구의 한계 및 향후 연구 방향 30
1. 단일 데이터셋 검증 30
2. SVM 분류기의 피험자 종속성 30
3. Ablation Study의 부재 30
4. 비교 베이스라인의 부재 30
5. 실시간 적용 미검증 31
6. 피험자 간 성능 편차 31
제3절 결론 31
참고문헌 32
Abstract 34
