FingerFlex: ECoG 신호로부터 손가락 궤적 추론하기

모터 뇌-컴퓨터 인터페이스(BCI) 개발은 신경 시계열 복원 알고리즘에 의해 핵심적으로 좌우된다. 최근 딥러닝 아키텍처의 발전은 데이터 내 고차원적 종속성을 근사화할 수 있는 자동 특징 선택을 가능하게 하였다. 본 논문에서는 전두엽막 전기생리학(ECoG) 뇌 데이터를 활용하여 손가락 운동 회귀 분석에 적합하도록 조정된 컨볼루셔널 인코더-디코더 아키텍처인 FingerFlex 모델을 제안한다. 이 모델은 공개된 BCI 경진대회 IV 데이터셋 4에서 최첨단 성능을 달성하였으며, 실제 궤적과 예측 궤적 간 상관계수는 최대 0.74에 달하였다. 제안된 방법은 고정밀도의 완전 기능형 층화 모터 뇌-컴퓨터 인터페이스 개발을 위한 새로운 가능성을 제시한다.