This dissertation investigates how effective electroencephalography (EEG) signals collected from around
the user’s ears (ear-EEG) when used for a speech-imagery-based brain-computer interface (BCI) system.
A low-cost wearable ear-EEG acquisition device was developed and used in comparison with a conventional 32-channel scalp-EEG collection counterpart in a multi-class speech imagery classification task
using several machine learning models. Data was collected from ten subjects in an experiment consisting
of six sessions spanning three days. The experiment involved imagining four speech commands (’Left,’
’Right,’ ’Forward,’ and ’Go back’) and staying in a rest condition. The classification accuracy of our
system is significantly above the chance level (20%) for both ear-EEG and scalp-EEG. The best performing classification model result averaged across all ten subjects is 38.2% and 43.1% with a maximum
(max) of 43.8% and 55.0% for ear-EEG and scalp-EEG, respectively. Seven out of ten subjects show
no significant difference between the speech-imagery classification performance when using ear-EEG and
scalp-EEG. The results indicate that ear-EEG has great potential as an alternative to the scalp-EEG
acquisition method for speech-imagery monitoring. We believe that the merits and feasibility of both
speech imagery and ear-EEG acquisition in the proposed system will accelerate the development of the
BCI system for daily-life use.
이 연구는 발화상상 기반 Brain-Computer Interface (BCI) 시스템에서 사용자의 귀-주변 전극을 사용해서
수집한 뇌파의 효능을 조사한다. 웨어러블 저가형 귀-주변 전극 뇌파 획득 도구를 개발한 후 기존의 32채널
두피 전극 뇌파 획득 장비와 다중 클래스 발화상상 분류 성능을 직접 비교했다. 10명의 피험자가 3일 동안 6
개의 세션으로 구성된 실험에 참여했다. 4가지 영어 단어 음성 명령(’Left’, ’Right’, ’Forward’, ’Go back’)을
상상하고 휴식 상태를 유지할 시 발생 되는 뇌파를 수집했다. 우리 시스템은 확률 수준(20%)보다 훨씬 높은
분류 정확도를 보여준다: 10명의 피험자에 대해서 귀-주변 전극와 두피-전극의 평균 분류 성능은 각 38.2%
및 43.1%이며 최대 값은 각 43.8% 및 55.0%이다. 분석에 따르면 피험자 10명 중 7명은 귀-주변 뇌파와 두피뇌파 성능 간에 유의미한 차이가 없음을 보여준다. 이 연구의 결과는 귀-뇌파가 발화상상 모니터링을 위한
두피-뇌파 획득 방법의 대안으로서 큰 잠재력을 가지고 있음을 나타내며, 제안된 시스템에서 발화상상과
귀-주변 뇌파 획득의 장점과 실행 가능성이 일상 생활에서 사용하는 BCI 시스템 개발을 가속화할 것이라고
보인다.
