(논문게재) SCIE - Biosensors (IF 6.2 / Top 13%)

저희 연구실의 논문이 SCIE 저널 Biosensors에 게재되었습니다. 논문 제목은 Deep Learning for Ear-EEG-Based Brain-Computer Interface, A Systematic Comparison and Design Insights입니다. 해당 저널은 Impact Factor 6.2로 Instruments and Instrumentation 분야 상위 13퍼센트에 해당합니다.

저자는 김지승, 최수인, 황한정, 한창희입니다. 김지승(석사과정)과 최수인 박사가 공동 제1저자로 참여하였고, 황한정 교수와 한창희 교수가 공동 교신저자를 맡았습니다.

본 연구는 귀 주변에서 측정하는 귀 뇌전도 신호를 이용한 뇌 컴퓨터 인터페이스에서 어떤 딥러닝 구조가 효과적인지를 체계적으로 비교하였습니다. 두피 뇌전도용으로 개발된 스물세 개의 심층신경망 모델을 동일한 학습 조건과 검증 체계에서 평가하였으며, 이러한 규모의 비교 분석은 귀 뇌전도 기반 정신과제 분류 분야에서 최초의 시도입니다.

분석 결과 FBLightConvNet이 가장 높은 분류 정확도를 보였고, 상위 모델 중 가장 적은 파라미터 수를 유지하였습니다. 기존에 널리 사용되는 머신러닝 기반 CSP-LDA 방법과 비교하였을 때 세 번의 측정일 모두에서 더 높은 정확도를 기록하였으며, 두 번째와 세 번째 측정일에서는 통계적으로 유의한 차이를 보였습니다.

또한 두피 뇌전도에서 우수한 성능을 보이던 여러 최신 모델들이 귀 뇌전도에서는 성능이 크게 저하되는 현상을 확인하였습니다. 이는 귀 뇌전도 환경에서 모델 구조의 선택이 매우 중요함을 보여줍니다.

본 연구는 실생활에서 활용 가능한 귀 뇌전도 기반 뇌 컴퓨터 인터페이스 시스템 개발을 위한 실용적인 설계 지침과 재현 가능한 벤치마킹 체계를 제시하였다는 점에서 의미가 있습니다. 연구에 힘써주신 저자분들께 감사드립니다.