Sentence-Level Neural Language Decoding based on Speech Imagery from EEG Signals

의료 분야와 같은 환경에서 직접적인 음성 발화가 아닌 발화 상상만으로 의사소통을 하는 상황을 가정하였을 때, 문장 단위의 발화 상상이 해석될 수 있는지에 대한 연구를 진행하였다. 피실험자들은 뇌전도 측정 기기(이하 EEG)를 착용한 후, 4개의 긍정문과 4개의 부정문 총 8문장에 대한 발화 상상을 진행했다. 기록된 EEG데이터는 전처리하여 4개의 분류기 (RLDA, SVM, LSTM, DNN)를 통해 분류하였다. 긍정문 4문장, 부정문 4문장 분류에서는 각각 RLDA (0.4145), SVM (0.3625) 이 가장 높은 분류 성능을 보였으며, 이는 4개 문장의 chance level인 0.2500 보다 모두 높은 값을 보여 발화 상상이 해석될 수 있음에 유의미한 수치를 보여준다. 이연구는 문장 수준의 발화 상상에 대한 해석 가능성을 확인했으며, 추후 발화에 어려움이 있는 실제 환자들을 대상으로 추가 연구가 필요하다.