| 1 |
1
대상체로부터 입력되는 힘 정보 및 다채널의 신경신호를 디코딩하여 대상체의 동작 의도를 추출하는 디코딩부를 포함하는 실시간 디코딩 시스템에서, 상기 디코딩부는, 상기 입력된 신경신호를 필터링하는 데이터 처리부; 상기 필터링된 신경신호에서 잡음(artifact)을 제거하는 잡음 제거부; 상기 잡음이 제거된 신경신호에 대하여 활동전위를 검출하여 분류하는 활동전위 분류부; 상기 분류된 활동전위를 래스터(raster) 도식화(plotting)로 활동전위를 패터닝하는 활동전위 패터닝부; 상기 패터닝된 활동전위에 대하여 활동전위 발화율(firing rate)을 연산하여 차원을 축소하는 차원 축소부; 및 상기 차원이 축소되어 출력되는 신호로부터 상기 동작 의도를 분류하는 동작의도 분류부를 포함하는 것을 특징으로 하는 실시간 디코딩 시스템
|
| 2 |
2
제1항에 있어서, 상기 디코딩부에서 추출되는 대상체의 동작 의도에 부합하는 제어 신호를 생성하여 로봇부를 제어하는 로봇 제어부를 더 포함하는 실시간 디코딩 시스템
|
| 3 |
3
제2항에 있어서, 상기 로봇부는 의족 또는 의수이며, 상기 대상체는 상기 의족 또는 의수를 착용하는 사용자인 것을 특징으로 하는 실시간 디코딩 시스템
|
| 4 |
4
제1항에 있어서, 상기 신경신호는 64 채널(channel)로 입력되고, 상기 활동전위 패터닝부에서 패터닝된 활동전위는 192 차원을 가지며, 상기 차원 축소부에서는 상기 활동전위를 16차원으로 축소하는 것을 특징으로 하는 실시간 디코딩 시스템
|
| 5 |
5
제1항에 있어서, 상기 데이터 처리부는, 상기 다채널로 입력되는 신경신호의 각각의 채널에 대하여, 고주파 및 노치 필터링(high-pass and notch filtering)을 수행하는 것을 특징으로 하는 실시간 디코딩 시스템
|
| 6 |
6
제1항에 있어서, 상기 잡음 제거부는, 상기 다채널로 입력되는 신경신호의 각각의 채널에 대하여, 국소 다항식 근사를 통한 잡음 제거방법(subtraction of artifacts by Local Polynomial Approximation, SALPA)으로 잡음을 제거하는 것을 특징으로 하는 실시간 디코딩 시스템
|
| 7 |
7
제1항에 있어서, 상기 활동전위 분류부는, 상기 채널별 신경신호의 분산에 비례하는 역치값으로 활동전위를 검출하고, K-평균 알고리즘(K-means algorithm)을 이용하여 상기 검출된 활동전위에 대하여 활동전위를 분류하고, 비교사 학습(unsupervised learning)을 수행하여 상기 K-평균 알고리즘의 파라미터를 갱신하는 것을 특징으로 하는 실시간 디코딩 시스템
|
| 8 |
8
제1항에 있어서, 상기 활동전위 패터닝부는, 상기 분류된 활동전위를 도식화함과 동시에, 상기 입력되는 힘 정보도 동시에 도식화하는 것을 특징으로 하는 실시간 디코딩 시스템
|
| 9 |
9
제1항에 있어서, 상기 차원 축소부는, 상기 패터닝된 활동전위에 대하여 활동전위 발화율(firing rate)을 연산하는 연산부; 상기 활동전위 발화율을 바탕으로 자기 조직화 특징 지도(self-organized feature map, SOFM)를 구성하여 차원을 축소하는 축소부; 상기 축소된 차원을 벡터로 출력하는 출력부; 및비교사 학습(unsupervised learning)을 수행하여 상기 자기 조직화 특징 지도의 파라미터를 갱신하는 SOFM 갱신부를 포함하는 것을 특징으로 하는 실시간 디코딩 시스템
|
| 10 |
10
제1항에 있어서, 상기 동작의도 분류부는, 상기 출력부에서 출력되는 벡터를 입력 벡터로 설정하는 입력벡터 설정부; 상기 입력 벡터로부터 은닉층(hidden layer)을 가지는 다층 퍼셉트론(multi-layer perceptron, MLP)을 구성하는 MLP 구성부; 상기 구성된 다층 퍼셉트론으로부터 1차원의 출력 벡터를 생성하는 동작 분류부; 및상기 입력되는 힘 정보를 바탕으로 학습을 수행하여 상기 다층 퍼셉트론의 파라미터를 갱신하는 MLP 갱신부를 포함하는 것을 특징으로 하는 실시간 디코딩 시스템
|
| 11 |
11
제10항에 있어서, 상기 1차원의 출력 벡터가 상기 대상체의 동작 의도에 해당되는 정보인 것을 특징으로 하는 실시간 디코딩 시스템
|
| 12 |
12
대상체로부터 힘 정보 및 다채널의 신경신호를 입력받는 단계; 상기 입력된 신경신호를 필터링하는 단계; 상기 필터링된 신경신호에서 잡음을 제거하는 단계; 상기 잡음이 제거된 신경신호에 대하여 활동전위를 검출하여 분류하는 단계; 상기 분류된 활동전위를 래스터(raster) 도식화(plotting)로 활동전위를 패터닝하는 단계; 상기 패터닝된 활동전위에 대하여 활동전위 발화율을 연산하여 차원을 축소하는 단계; 및상기 차원이 축소되어 출력되는 신호로부터 상기 대상체의 동작 의도를 분류하는 단계를 포함하는 실시간 디코딩 방법
|
| 13 |
13
제12항에 있어서, 상기 동작 의도를 바탕으로, 상기 대상체의 동작 의도에 부합하는 제어 신호를 생성하여 로봇부를 제어하는 단계를 더 포함하는 실시간 디코딩 방법
|
