Functional near-infrared spectroscopy (fNIRS), a technique for measuring changes in oxygen saturation in cerebral blood resulting from activation of neurons, has been widely used in cognitive research thanks to its portability and high resolution. However, during brain fNIRS measurement, drift of the blood flow by movement occurs due to the absence of the valves in brain vein. This movement appears to be a very important artifact in fNIRS measurements which can seriously contaminate original signal. This artifact is very difficult to remove due to the complexity, individuality, and autonomic regulation of the cerebral vasculature. In this study, proposed artificial neural network model learn and predict the motion artifact based on the angular information from the motion sensor attached to portable fNIRS system. This model effectively predicts and removes motion artifact from head movement.
뉴런의 활성화로부터 기인하는 뇌 혈액 내 산소포화도 변화를 측정하기위한 기술인 근적외선 분광법은 그 휴대성과 고해상도를 장점으로 인지 연구분야에서 널리 이용되고있다. 그러나 근적외선 분광법을 이용해 뇌를 측정할 때 큰 정맥의 혈압이 낮고 판막이 부재로 인해 움직임에 따른 혈류의 움직임이 발생한다. 이 움직임은 근적외선 분광 장치 있어 매우 중요한 잡음 요소로 나타나며 이를 제거하지 못한다면 왜곡된 신호를 얻게 된다. 이 잡음은 대뇌 혈관계의 복잡성, 개별성, 그리고 인간의 자율조절기능에 기인해 제거하는 것이 매우 어렵다. 본 연구에서는 휴대용 근적외선 분광 장치에 부착된 모션 센서의 자세 정보를 바탕으로 신호에 영향을 끼치는 잡음을 예측하는 인공신경망 모델을 구축해 동잡음 요소를 스스로 학습하게 하였다. 그 결과 인공신경망 모델이 움직임으로부터 발생하는 동잡음을 효과적으로 예측하고 제거했다.
