좌우 이두근의 근전도 출력에 따른 뇌파의활성도 변화와 관련성 탐색
Electroencephalogram(EEG) Activation Changes and Correlations of signal with EMG Output by left and right biceps
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 인간의 의지가 뇌로부터 전달되는 과정에서 근육의 움직임이나 동작이 뇌의 특정 부위에서 유의미한 특징을 나타내는 신호를찾아낼 수 있는지를 확인한다. 일반적으로 뇌파의 발생은 특정한 동작을 유발하고 유발된 동작으로부터 신호를 받아 변화를 보인다. 이러한신호는 불확실성이 높으며 육안으로 판별하기엔 그 차이를 파악하기 어렵다. 따라서 분류에 앞서 어떤 신호를 분석할 것인지 정의하는 과정이필요하다. 뇌파 혹은 뇌전도의 형태는 주파수 대역별로 분류하였을 경우, 알파, 베타, 델타, 쎄타, 감마의 영역으로 나눌 수가 있다. 뇌파의 측정 부위에 따라 활성화되는 주파수의 대역이나 에너지의 차이가 다르기 때문에 이들 신호의 특정한 크기가 정확한 동작이나 의지를 표현한다고 할 수는 없지만, 특정한 영역에서 다른 동작을 했을 경우의 뇌파 활성도를 기준으로 동작을 분류하거나, 동작에 영향을 미치는 뇌파의 경향성을 판단할 수 있다. 따라서 본 논문에서는 1차적으로 근육의 좌우 이두근의 근전도가 활성화 되는 시점을 기준으로 뇌파의 발현형태를 관찰하고, 이후 좌완과 우완의 근육 활성화에 따른 뇌파의 유의미한 차이를 뇌파를 통해 유추할 수 있는지를 검증한다. 근전도의 좌우활성화에 따른 뇌파의 분류기준을 찾을 수 있다면, 뇌로부터 발현된 신호가 각각의 근육에 전달되는 과정에서 전이된 신호의 형태를 파악하는데 도움을줄 수 있으며, 향후 더욱 복잡한 뇌신호의 발생 유형을 통해 알려지지 않은 많은 뇌파의 정보를 활용할 수 있을 것으로 판단한다.
Abstract
This paper confirms whether the movement or specific operation of the muscles in the process of transferring a person from the braincan find a signal showing an essential feature of a certain part of the brain. As a rule, the occurrence of EEG(Electroencephalogram)changes when a signal is received from a specific action or from an induced action. These signals are very vague and difficult todistinguish from the naked eye. Therefore, it is necessary to define a signal for analysis before classification. The EEG form can be dividedinto the alpha, beta, delta, theta and gamma regions in the frequency ranges. The specific size of these signals does not reflect the exactbehavior or intention, since the band or energy difference of the activated frequencies varies depending on the EEG measurement domain. However, if different actions are performed in a specific method, it is possible to classify the movement based on EEG activity and todetermine the EEG tendency affecting the movement. Therefore, in this article, we first study the EEG expression pattern based on theactivation of the left and right biceps EMG, and then we determine whether there is a significant difference between the EEG due to theactivation of the left and right muscles through EEG. If we can find the EEG classification criteria in accordance with the EMG activation,it can help to understand the form of the transmitted signal in the process of transmitting signals from the brain to each muscle. Inaddition, we can use a lot of unknown EEG information through more complex types of brain signal generation in the future.
참고문헌 (8)
- Vihren Chakarov, "Beta-Range EEG-EMG Coherence With Isometric Compensation for Increasing Modulated Low-Level Forces", Journal of Neurophysiology, 102(2), pp.1115~1120 (2009), American Physiological Society[DOI]
- SARASOLA-SANZ, Andrea, "A hybrid brain-machine interface based on EEG and EMG activity for the motor rehabilitation of stroke patients", 2017 International Conference on Rehabilitation Robotics (ICORR). IEEE, pp.895~900 (2017)
- 이창조, "뇌파신호를 이용한 집중력 향상 게임 구현", 한국게임학회 논문지, 9(2), pp.23~28 (2009), 한국게임학회
- P Grosse, "EEG–EMG, MEG–EMG and EMG–EMG frequency analysis: physiological principles and clinical applications", Clinical Neurophysiology, 113(10), pp.1523~1531 (2002), Elsevier BV[DOI]
- 김정자, "하지 분절 각도에 따른 수의 등척성 수축(MVIC)시 근전도 비교", 한국운동역학회지, 15(1), pp.197~206 (2005), 한국운동역학회
- 김선희, "점진적 모델에 기반한 다채널 시계열 데이터 EEG의 특징 분석", 정보처리학회 논문지, 16(1), pp.63~70 (2009), 한국정보처리학회
- 장재경, "여대생의 이러닝 학습태도 변화에 따른 뇌파 분석", 한국콘텐츠학회 논문지, 11(4), pp.42~50 (2011), 한국콘텐츠학회
- S. E. Schmitt, "Extreme delta brush: A unique EEG pattern in adults with anti-NMDA receptor encephalitis", Neurology, 79(11), pp.1094~1100 (2012), Ovid Technologies (Wolters Kluwer Health)[DOI]