초록
ECoG 기반 뇌-기계 인터페이스(Brain-Machine Interface)에서 가장 흥미로운 도전 과제 중 하나는 운동 예측이다. 이러한 예측이 가능해지면 로봇 팔이나 로봇 손과 같은 기계에 고정밀 명령을 내리는 길이 열린다. BCI 공동체가 이 문제에 점점 더 관심을 보이고 있음을 반영하여, 제4회 BCI 경진대회는 ECoG 신호로부터 개별 손가락의 운동을 예측하는 것을 목표로 하는 데이터셋을 제공하였다. 이 문제의 어려움은 ECoG 신호와 손가락의 운동 사이에 간단한 관계가 존재하지 않는다는 점에 있다. 본 논문에서는 은닉 상태에 의해 제어되는 전환 모델(-switching models)을 사용하여 손가락의 굴곡을 추정하고 복원하는 방법을 제안한다. 전환 모델은 복원 문제에 대한 사전 지식을 통합할 수 있으며, 세밀하고 정밀한 운동 예측에 도움을 준다. 본 모델은 먼저 움직이는 손가락을 추정하는 블록과, 움직이는 손가락이 무엇인지 알고 있는 상태에서 나머지 모든 손가락의 운동을 예측하는 두 번째 블록으로 구성된다. 경진대회에 제출된 수치 결과는 은닉 상태가 잘 추정될 경우 모델이 높은 복원 성능을 발휘함을 보여준다. 본 접근법은 실측 운동과 예측 운동 간 상관계수 0.42를 기록하며, BCI 경진대회에서 2위를 차지하였다.