뇌-컴퓨터 인터페이스

위키백과, 우리 모두의 백과사전.
둘러보기로 가기 검색하러 가기

뇌-컴퓨터 인터페이스(brain–computer interface, BCI)는 신경제어 인터페이스(NCI), 정신-기계 인터페이스(MMI), 직접 신경 인터페이스(DNI), 또는 뇌-기계 인터페이스(BMI)라고 불린다. 이는 뇌와 외부 장치간의 직접적인 상호작용 통로를 의미한다. BCI는 양방향 정보 전달을 가능케 한다는 점에서 신경제어기술(Neuromodulation)과 차이가 있다. BCI는 종종 인간의 인지능력이나 감각-운동기능을 연구하고, 지도화(mapping)하며, 보조, 증진 또는 치유하는 것과 연관된다.[1]

BCI에 대한 연구는 1970년대에 미국 국립과학재단(National Science Foundation)의 승인을 받아 UCLA에서 시작되어, DARPA와도 협약을 맺게 된다.[2][3] 이 연구 이후에 출판된 논문들에서 뇌-컴퓨터 인터페이스라는 표현이 처음으로 사용된다.

BCI 연구는 처음에는 신경기능 대체 분야(Neuroprosthetics)에 응용되어 시청각 장애나 운동장애를 회복시키는데 초점을 두었다. 두뇌 피질의 높은 가소성 덕분에, 이식된 보철로부터의 신호는 적응 후, 원래 있었던 감각기관이나 운동기관의 것처럼 뇌에서 처리될 수 있다.[4] 수년의 동물실험의 끝에, 첫 번째 신경기능대체 장치가 1990년 중반에 인간에게도 적용되는 사례가 나타났다.

역사[편집]

뇌-컴퓨터 인터페이스의 역사는 한스 부르거 (Hans Burger)의 인간의 뇌의 전기적 활동의 발견과 뇌전도 (EEG)의 개발과 함께 시작되었다. 1924년에 부르거는 뇌전도를 사용해 인간의 두뇌 활동을 최초로 기록하였고, 이를 분석하여 부르거파나 알파파(8–13 Hz)와 같은 진동 신호를 식별하였다.

부르거가 처음으로 사용한 기록장치는 환자의 두피 밑에 은 도선을 삽입한 것으로, 굉장히 초보적인 수준이었다. 이는 후에 고무밴드로 은박을 머리에 고정한 형태로 대체되었다. 부르거는 이 센서들을 리프만 전기계에 연결하였지만, 실망스러운 결과밖에 얻지 못했다. 그러나 0.00001V까지 나타낼 수 있는 지멘스사의 이중고리 검류계와 같이 더욱 정교한 측정장치들을 사용함으로써 성공적인 결과를 얻게 되었다.

부르거는 뇌 질환과 EEG 파동의 상관관계를 분석하였다. EEG는 인간 뇌의 활동에 대한 완전히 새로운 연구 방법을 가능케 한 것이다. 뇌전도는 인간의 뇌 활동의 연구를위한 완전히 새로운 가능성을 열었다.

BCI라는 단어가 아직 등장하지는 않았지만, 뇌-기계 인터페이스의 가장 빠른 예시중 하나는 1965년에 미국의 작곡가인 앨빈 루시어의 작품 "독주자를 위한 음악"에서 등장한다. 이 작품에서는 EEG를 필터, 증폭기, 오디오 믹서와 같은 아날로그 신호처리기계를 통과시켜 타악기를 연주하게 하였다. 연주자는 이 작품을 연주하기 위해 알파파를 만들어내고, 이로써 다양한 타악기를 소리나게 하였다.[5]

BCI라는 용어를 처음으로 만들고, 피어 리뷰 논문을 쓴 사람은 UCLA의 교수인 자크 바이달(Jacques Vidal)이다. 바이달은 BCI 분야에서 수많은 피어 리뷰 논문을 작성했고, BCI 커뮤니티에서도 이를 반영하여 바이달을 BCI의 창시자로 인정하고 있다.[6][7][8] 그는 BCI를 1973년 논문에서 뇌파를 통해 물체를 조절하는 것으로 정의하였는데, 특히 불확정 음전위 편차(CNV; Contingent Negative Variation)전위를 BCI 연구에 사용였다. 1973년의 BCI 도전에 이어 1977년 실험에서는 시각적 유발 전위(VEP; Visual Evoked Potentials)를 사용해 컴퓨터 화면의 커서를 움직여 미로를 탈출하는 실험을 함으로써 BCI를 처음으로 적용시켰다.[1]

그러나 그 이후 바이달은 수년동안 BCI분야에서 활동하지 않다가, 2011년 오스트리아그라츠(Graz)에서 Future BNCI 프로젝트의 후원을 받아 최초의 BCI에 대해 발표하여 아내와 함께 기립박수를 받았다. 그의 아내인 라리스 바이달(Laryce Vidal)은 UCLA에서 같이 첫번째 BCI를 연구한 동료였다.

1988년에는 비침습적인 뇌파를 통해 로봇을 조종했다는 보고서가 등장했는데, 이 실험에서는 뇌파를 통해 로봇에게 여러 개의 시작-정지-재시작 명령을 내려 바닥에 그어진 선을 따라 움직이도록 하였다.[9][10]

1990년에는 행동보다 먼저 나타나는 활성전위인 CNV[11][12]를 사용해 맞춤형 양방향성 BCI를 제작하여 버저를 조절하는 실험이 보고되었다. 실험은 CNV를 통해 예측한 뇌의 상태로 버저를 조절하는 방식으로 이루어졌다. 여기서 얻어진 예측 정보들을 Electroexpectogram(EXG)라 한다.

신경 기능 대체술과의 비교[편집]

신경보철학(Neuroprosthetics)은 인공물을 통해 손상된 신경계나 뇌와 관련된 문제들, 또는 감각기관을 대체하고자 하는 신경과학의 한 분야를 말한다. 2010년 12월을 기준으로 전세계에서 22만명의 사람들이 사용하고 있는 인공와우가 가장 대표적인 신경보철물이라고 할 수 있다.[13] 이 외에도 시각을 복구하는것을 목표로 하는 인공망막도 대표적인 사례다.

BCI와 신경보철학의 가장 큰 차이로는, 신경보철학은 주로 신경계와 장치를 연결하는것을 의미하는 반면에 BCI는 신경계(주로 뇌)와 컴퓨터 시스템을 연결하는 것을 의미한다는 데에 있다. 실제 적용되고 있는 신경보철학은 말초신경과 같이 모든 신경계와 연관되는 반면에, BCI라는 단어는 주로 중추신경계와 연관되어 있다는 차이도 있다.

그러나 이 용어들은 때때로 서로 바뀌어 사용되기도 한다. 신경보철학과 BCI는 둘 다 시·청각, 운동기능과 소통기능, 심지어는 인지능력까지 복구하는데 목적을 두고 있기 때문이다. 또한 둘 모두 비슷한 실험방법과 수술 기술을 가지고 있다.

동물 뇌-컴퓨터 인터페이스 (BCI) 연구[편집]

몇 연구실에서는 원숭이나 쥐에 BCI를 적용하여 두뇌의 신호를 움직임으로 만들기 위해 부단한 노력을 해오고 있다. 특히 원숭이들은 화면에 있는 커서를 움직이며, 시각과 생각을 통해서 로봇 팔로 간단한 작업을 하는 수준에 이르렀다.[14] 2008년 5월에는 여러 유명 과학 저널과 잡지에는 피츠버그대 의료센터의 원숭이가 생각을 통해 로봇팔을 작동시키고 있는 사진이 올라왔다.[15]

초기 연구[편집]

뇌-컴퓨터 인터페이스를 통해 원숭이가 로봇 팔을 조종하는 모습 (피츠버그 대학 슈바이처 연구소)

1969년에 이루어진 워싱턴 의대의 생리학 및 생물물리학과와 지방 기초연구센터(Regional Primate Research Center)의 페츠(Fetz)와 그의 동료들의 조작적 조건화에 대한 연구에서는, 원숭이가 지속적인 신경 비활성화 자극에 대해 신경 활성을 증가시킬 수 있음을 밝혔다.[16] 1970년대에는 적절한 신경 활성 패턴을 지속적으로 보상해준 원숭이가, 굉장히 빠르게 학습하여 수 개의 뉴런을 자발적으로 조종하게 되었다는 연구가 이루어졌다.[17]

운동피질 뉴런의 활성패턴을 운동으로 복원하는 연구는 1980년대에 시작되었다. 1980년대 존스 홉킨스 대학의 아포스톨로스 게오르고폴로스(Apostolos Georgopouleos)는 붉은털원숭이의 운동피질에서 한 뉴런의 전기신호와, 그 원숭이가 팔을 움직이는 방향에 수학적 상관관계가 있음을 밝혀냈다. 그는 또한 원숭이의 뇌의 여러군데 퍼져있는 신경 그룹들이 운동을 조절하는데 종합적으로 작용함을 밝혔는데, 기술적인 문제로 인해 동시에 여러군데에서의 신호를 기록할 수는 없었다.[18]

1990년대 중반에는 BCI 분야에서 급속한 발전이 이루어진다.[19] 몇 연구팀들은 운동피질의 신경그룹(neural ensemble)들로부터 복잡한 신호를 기록하여 외부 장비들을 조종하는 연구를 이어나가고 있다.

대표적인 연구 결과[편집]

케네디와 양 댄(Kennedy and Yang Dan)[편집]

필립 케네디(Phillip Kennedy)(1987년에 Neural Signal을 설립함)와 그의 동료들은 최초로 신경영양전극을 사용해 BCI를 구현했다.

1999년에는 버클리대학의 양 단(Yang Dan)이 고양이의 시상(thalamus)에 전극배열을 삽입해 기록한 신경 신호를 해독하여 고양이가 보고있는 이미지를 생성하는데 성공했다. 연구는 8개의 짧은 영상을 고양이에게 보여준 뒤 망막의 신호를 처리하는 기관인 시상 외측슬상핵(LGN)부위의 177개의 신경을 기록하여, 수학적으로 이를 복원하여 영상을 성공적으로 해독할 수 있음을 보여주었다. 후에 일본에서는 이를 사람에게 적용하여 비슷한 결과를 얻었다 (아래를 보시오).[20]

니코렐리스(Nicolelis)[편집]

미겔 니코렐리스와 그의 동료들이 제작한 BCI기구의 도식

듀크대학미겔 니코렐리스(Miguel Nicolelis) 교수는 여러개의 전극으로 넓은 부위에서 동시에 신경신호를 기록하는 방식의 BCI에서 최고 권위자이다.

1990년대에 니코렐리스는 쥐로 연구를 시작해서, 후에는 올빼미원숭이의 뇌 신호를 해독하여 로봇 팔을 움직이도록 하는 데에 성공했다. 원숭이는 뻗치기나 잡기 등 손의 여러 움직임을 아주 잘 사용하기 때문에 이와 같은 연구에 아주 이상적인 종족이다.

2000년에는 인터넷 프로토콜을 통해 실시간으로 로봇팔을 조종하는 연구가 이루어졌는데[21], 로봇팔의 움직임을 원숭이에게 보여주지 않음으로써 어떠한 피드백도 제공하지 않았다. 이를 개방루프 BCI라고 한다.

이후 니코렐리스는 올빼미원숭이에 비해 인간과 더욱 유사한 대뇌피질을 갖고 있는 붉은털원숭이에서도 폐쇄루프 BCI를 통해 팔을 뻗는것과 물체를 잡는 행동을 로봇팔로 구현하는데 성공했다. 이 원숭이들에게는 로봇팔의 움직임을 보여주지 않으며 훈련시킨 뒤, 로봇 팔의 움직임을 보여줌으로써 시각 피드백을 통해 다시 폐쇄루프 BCI를 훈련시켰다.[22][23] 이 실험에서는 BCI에 팔을 뻗는 속도와 손을 쥐는 힘을 인자로 사용했다. 2011년에는 오도허티(O'Doherty)와 그의 동료들이 붉은털원숭이에게 대뇌피질자극을 통해 팔 부위의 촉각 피드백을 제공함으로써 BCI를 구현하는데에 성공했다.

도노휴, 슈바르츠 와 앤더슨 (Donoghue, Schwartz and Andersen)[편집]

BCI 기술과 신경 해독 알고리즘 연구에 기여해온 다른 연구자들로는 브라운대학의 존 도노휴(John Donoghue), 피츠버그대학의 앤드류 슈바르츠(Andrew Schwartz), 그리고 칼텍의 리차드 앤더슨(Richard Andersen)이 있다. 니코렐리스는 50에서 200개의 뉴런을 가지고 연구를 했는데, 이 연구자들은 15개에서 30개의 뉴런으로 BCI를 구현하는 등 더욱 발전된 연구를 해왔다.

도노휴의 연구팀은 BCI를 통해 붉은털원숭이가 조이스틱 없이도 컴퓨터 스크린의 대상을 추적할 수 있도록 훈련시켰음을 보고했다.[24] 슈바르츠의 팀은 BCI를 통해 가상현실에서의 3차원 물체 추적을 구현했고[25], 원숭이들이 이를 통해 로봇팔로 과일이나 마시멜로를 입으로 가져오는 정교한 동작을 구현했음을 밝혔다.[26]

앤더슨의 팀은 후두정엽 피질에서 나오는 운동 전 신호와, 동물들이 행동에 대한 보상을 예측할 때 나타나는 신호를 가지고 BCI를 구현하였다.[27]

다른 연구들[편집]

팔 운동의 위치관계와 작용하는 힘을 예측한 연구들에 이어 서 근전도를 예측하는 BCI연구 역시 이루어졌다.[28] 이와 같은 BCI들은 사지가 마비된 환자의 근육에 전기신호를 넣어줌으로써 운동능력을 회복시켜줄 수 있다.미겔 니코렐리스와 그의 동료들은 많은 신경그룹들의 활동을 가지고 팔의 위치를 예측할 수 있음을 보여주었는데, 팔의 위치를 예측한다는 것은 곧 팔의 운동을 기구에 그대로 적용시킬 수 있다는 것을 의미한다. 카르메나(Carmena)와 그의 동료들[29]은 원숭이들이 로봇팔을 뻗고 물체를 잡을 수 있도록 신경신호를 프로그래밍 하여 BCI에 적용시키는데 성공했다. 또한 레베데프(Lebedev)와 그의 동료들은 기존에 있던 사지에 더해 인공적으로 달아준 로봇팔에 대응하는 새로운 두뇌 회로가 재조직된다는 것을 논증하였다.[30]

2019년에는 UCSF의 연구진들이 신경장애로 인해 대화를 잘 하지 못하는 사람들을 위한 BCI를 구현했다. 이 연구에서는 고도로 집적된 ECoG를 통해 환자의 뇌 신호를 기록한 뒤, 딥러닝을 통해 대화를 복원하였다.[31][32]

현재 BCI 기술에 있어 가장 큰 장애물은 두뇌에서의 감각정보(sensor modality)에 대해 정밀하고 안전하게 접근할 수 있는 방법이 부족하다는 것이다. 20년 안에 이에 대한 기술이 아마 등장하지 않을까 싶다. 만일 이러한 기술이 등장한다면 뇌와 상호작용할 수 있는 방법이 매우 크게 늘어나는 것으로, BCI기술 또한 크게 달라질 것이다.

BCI 기술의 발전과 그 구현은 매우 많은 시간을 투자해야하는 아주 복잡한 문제다. 이 문제에 대해 거윈 샬크(Gerwin Schalk)는 2000년부터 뉴욕주 보건부의 R&D 프로그램으로 BCI2000이라고 불리는 일반적인 BCI 시스템을 개발해오고 있다.

최근에는 유전자를 조작한 신경세포에서 채널로돕신과 같은 빛-개폐 이온채널을 사용해 체내에 있는 신경을 자극하는 방식으로 BCI에 접근하고 있다. 감각피질의 신경세포의 유전자를 조작한 뒤 빛을 비추어 쥐의 운동결정단계에 영향을 주는 방식의 간단한 학습 연구가 이루어지고 있다.[33]

BCI를 사용하며 우리는 신경회로와 중추신경계에 대한 이해를 더해가고 있다. 연구자들은 여러개의 신경을 모니터링하는 것이 가장 효율적일 것이라는 신경과학자들의 편향에도 불구하고, 단일 뉴런을 모니터링하는것 만으로도 원숭이가 외부의 운동기관을 잘 조종할 수 있다는 것을 보였다. 그러나 단일 뉴런은 소량의 정보만 보여주기 때문에, 가장 정밀한 수준의 BCI를 위해서는 종합적인 신경의 양상을 측정해야한다는 사실은 변함이 없다. 이외에도 한 신경이 여러개의 정보를 처리한다는 것(neuronal multitasking principle), 안정적인 운동을 위해서는 한 군집 내에서 특정 갯수 이상의 신경세포가 필요하다는 것(neuronal mass principle), 여러 개의 신경군집들이 동일한 행동을 만들 수 있다는 것(neural degeneracy principle), 새로운 행동을 위해서 기존의 신경군집의 기능이 대체될 수 있다는 것(plasticity principle) 등이 BCI 연구과정에서 밝혀졌다.[34]

장애가 없는 사람들에게도 BCI를 적용시키려는 움직임이 있다. 토르스텐 오 잔더(Thorsten O. Zander)와 크리스티안 코트(Christian Kothe)는 사용자 중심의 BCI 접근방식을 사용했는데, 결과적으로 수동 BCI(passive BCI)라는 용어를 도입하게 되었다. 행동과 반응을 통해 직접조종하는 방식이었던 기존의 BCI랑 비교했을 때, 수동 BCI는 인간-컴퓨터 상호작용(HCI) 중에 사용자의 상태 변화에 접근하여 이를 해석하는 방식으로 이루어진다. 그리고 이차적으로는 암시적 제어루프(implicit control loop)를 통해 컴퓨터 시스템이 사용자에게 적응함으로써 편의를 향상시킨다.


BCI 수상[편집]

BCI 연구 대상(Annual BCI Research Award)는 BCI분야의 독보적이고 혁신적인 연구에 주어진다. 매년 명망있는 연구실에 접수된 과제들을 평가해 줄 수 있는지 문의하고, 이렇게 결정된 12명의 심사위원들은 1, 2, 3위의 연구를 정해 각각 3천불, 2천불, 1천불의 상금을 수여하게 된다. 역대 1위 연구들의 목록은 다음과 같다.[35]

  • 2010: Cuntai Guan, Kai Keng Ang, Karen Sui Geok Chua and Beng Ti Ang, (A*STAR, 싱가포르)
Motor imagery-based Brain-Computer Interface robotic rehabilitation for stroke
What are the neuro-physiological causes of performance variations in brain-computer interfacing?
  • 2012: Surjo R. Soekadar and Niels Birbaumer, (Applied Neurotechnology Lab, University Hospital Tübingen and Institute of Medical Psychology and Behavioral Neurobiology, Eberhard Karls 튀빙겐 대학, 독일)
Improving Efficacy of Ipsilesional Brain-Computer Interface Training in Neurorehabilitation of Chronic Stroke
  • 2013: M. C. Dadarlata,b, J. E. O’Dohertya, P. N. Sabesa,b (aDepartment of Physiology, Center for Integrative Neuroscience, San Francisco, CA, US, bUC Berkeley-UCSF Bioengineering Graduate Program, UCSF, 캘리포니아, 미국)
A learning-based approach to artificial sensory feedback: intracortical microstimulation replaces and augments vision
  • 2014: Katsuhiko Hamada, Hiromu Mori, Hiroyuki Shinoda, Tomasz M. Rutkowski, (The University of Tokyo, JP, Life Science Center of TARA, University of Tsukuba, JP, RIKEN Brain Science Institute, 일본)
Airborne Ultrasonic Tactile Display BCI
  • 2015: Guy Hotson, David P McMullen, Matthew S. Fifer, Matthew S. Johannes, Kapil D. Katyal, Matthew P. Para, Robert Armiger, William S. Anderson, Nitish V. Thakor, Brock A. Wester, Nathan E. Crone (존스홉킨스 대학, 미국)
Individual Finger Control of the Modular Prosthetic Limb using High-Density Electrocorticography in a Human Subject
  • 2016: Gaurav Sharma, Nick Annetta, Dave Friedenberg, Marcie Bockbrader, Ammar Shaikhouni, W. Mysiw, Chad Bouton, Ali Rezai (Battelle Memorial Institute, 오하이오 주립대, 미국)
An Implanted BCI for Real-Time Cortical Control of Functional Wrist and Finger Movements in a Human with Quadriplegia
  • 2017: S. Aliakbaryhosseinabadi, E. N. Kamavuako, N. Jiang, D. Farina, N. Mrachacz-Kersting (Center for Sensory-Motor Interaction, Department of Health Science and Technology, Aalborg University, Aalborg, Denmark; Department of Systems Design Engineering, Faculty of Engineering, University of Waterloo, Waterloo, Canada; and 임페리얼 칼리지, 런던, 영국)
Online adaptive brain-computer interface with attention variations

인간 뇌-컴퓨터 인터페이스 (BCI) 연구[편집]

침습적 BCI[편집]

침습적 BCI에서는 두뇌 신호를 받기 위해 두개골 밑에 전극을 삽입한다. 더 정확하게 신호를 받아들일 수 있다는 이점이 있지만, 수술로 인한 부작용들이 존재한다는 단점 역시 있다. 수술로 인해 대뇌에 생긴 흉터는 신호를 약하게 만들 수 있다. 추가적으로, 압둘카터(Abdurkader)가 2015년에 한 연구에 의하면, 신체가 전극을 받아들이지 못해 의료적인 문제를 야기할 수 있다고도 한다.

시각[편집]

침습적 BCI 연구는 시각을 잃은 사람이나 마비 환자에게 새로운 기능을 제공하는데에 초점을 두어왔다. 회색질에 직접 전극이 들어가있기 때문에 굉장히 질 좋은 신호를 받아들일 수 있지만, 흉터조직이 들어섬으로써 신호가 줄어들거나 심지어 아예 사라지는 경향이 관찰되기도 한다. 시각 과학(vision science) 분야에서는 후천적 시각장애인들을 위해 직접적인 두뇌 삽입물을 사용해오고 있다. 첫번째 연구자들 중 한명인 윌리엄 도벨(William Dobelle)은 Private Researcher(미 정부의 지원을 받지 않은 연구자)인데, BCI를 통해 시각을 회복시키는데에 성공했다.

도벨의 첫번째 실험 대상은 1978년에 후천적 시각장애인이 된 제리(Jerry)였다. 68개의 전극들로 이루어진 배열을 제리의 시각피질에 삽입하고, 안경에 카메라를 달아 전극에 신호를 전달하여 안내섬광(Phosphene; 안구를 누를때 보이는 빛)을 느끼게 하는데 성공했는데, 처음에는 굉장히 낮은 프레임의 어두운 그림자로만 사물을 인식할 수 있었다. 더 높은 수준의 감각을 위해서는 대형 컴퓨터와의 연결이 필요했었지만, 전자기술의 발달로 인해 이제는 휴대가능한 정도의 기구로도 다른 사람의 도움 없이 간단한 작업을 수행할 수 있게 되었다.

2002년에는 도벨에게 지원한 16명의 환자들중 젠스 나우만이라는 후천적 시각장애인이 처음으로 2세대 삽입술의 피험자가 되었다. 이 2세대 장치에서는 안내섬광을 가지고 시각을 구현하는 능력이 더욱 향상되었다. 안내섬광은 시야를 가로질러 연구자들이 "별이 빛나는 밤"이라는 곳으로 퍼져간다. 이 삽입물을 삽입한 직후 젠스는 자동차로 주차장을 천천히 돌 정도로 시각이 회복되었다. 그러나 불행하게도, 도벨은 2004년에 사망하여 그의 이전 연구들을 문서화하지 못했다. 연이어 실험에 참여한 환자들은 시각을 다시 잃어갔다. 나우만은 도벨과의 경험을 "Search for Paradise: A Patient's Account of the Artificial Vision Experiment"라는 책에 작성하였고, 그는 캐나다의 온타리오 남동부에 있는 그의 농장에 돌아가 정상적인 생활을 하고 있다.

운동기능[편집]

원숭이로 로봇팔을 조종했듯이, 마비 환자에게 운동을 회복시켜주는 것을 목적으로 하는 BCI가 있다.

애틀랜타의 에모리 대학에 있는 필립 케네디(Philip Kennedy)와 로이 배케이(Roy Bakay)의 연구팀은 인간의 뇌에 전극을 꽂아 행동을 높은 수준으로 복제하는데 성공했다. 피험자인 조니 레이(Johnny Ray; 1944-2002)는 1997년에 뇌간에 뇌졸중이 온 후로 감금 증후군(locked-in syndrom)으로 고통받아왔다. 레이의 두뇌에 1998년에 전극을 삽입했고, 충분히 긴 시간이 흐른 뒤에 컴퓨터 커서를 움직이는데 까지 성공했다.[43]

매트 네이글(Matt Nagle)은 2005년에 사이버키네틱스의 BrainGate의 임상실험을 한 사지마비 환자이다. 팔운동을 담당하는 중심전회(precentral gyrus)에 96개의 전극이 삽입되었는데, 네이글은 이를 통해 생각만으로 로봇팔을 조종하고, 컴퓨터 커서, 전등과 TV를 조종할 수 있게 되었다.[44] 1년 후 조나단 월포(Jonathan Wolpaw) 교수는 뇌가 아닌 두개골에 부착된 전극으로 BCI를 구현함으로써 Altran 재단으로부터 상을 수여받았다.​

최근에는 브라운대학[45]의 Braingate 그룹과 피츠버그 의료센터의 연구팀이 미국 보훈부와 협력하여, 사지마비환자의 운동피질의 신경배열을 통해 자유도가 높은 로봇팔을 조종하는데 성공했다.

부분침습적 BCI[편집]

두개골과 뇌 사이에 장치를 삽입하는 BCI를 부분침습적 BCI라 한다. 두개골이 신호를 왜곡하고 약하게 만드는 비침습적 BCI보다는 좋은 해상도를 가지고 있고, 뇌에 흉터조직을 만들 염려가 없기 때문에 침습적 BCI보다는 위험부담이 더 적다. 뇌졸중 주변부를 대상으로 부분침습적 BCI를 임상적으로 시행해오고 있다.[47]

경막(dura mater) 아래에서 측정한 정한 뇌파를 피질파(ECoG; Electrocorticography)라고 한다.[48] 피질파는 2004년에 워싱턴대학의 에릭 로이트하르트(Eric Leuthardt)와 다니엘 모란(Daniel Moran)에 의해 사람에게 처음으로 시도되었고, 이후 기술을 발전시켜 스페이스 인베이더라는 이름의 게임을 하는 것도 가능해졌다.[49] 이 논문은 매우 적은 훈련을 필요로 했고, 또 즉각적인 제어 역시 가능했다는 점에서 이것이 신호의 유용성과 침습정도를 절충한 좋은 대안이 될 수 있다고 명시했다.

(이 전극들은 아직 BCI의 관심을 받는 환자들에게 삽입된 적은 없다. 그 환자들은 심각한 간질을 가지고 있었고, 의사들은 이 전극들을 일시적으로 삽입해서 발작을 안정시키는 것을 목적으로 하고있었다.)[50]

경막하에서나 경막외에서 신호를 측정할 수 있지만, 최소한 뇌 조직 내에서 신호를 측정하지는 않았다. 주제에 접근하는 것이 굉장히 제한되어있기 때문에 이에 대한 연구는 아직 충분히 많이 이루어지지 않았다. 현재로서는 침습적인 치료를 요하는 심각한 간질발작 환자들을 대상으로만 이와 같은 연구를 할 수밖에 없다.

피질파는 뇌파에 비해선 좋은 해상도와 신호-노이즈 비, 넓은 진동수 대역을 가지고 있고, 동시에 침습적 측정기술에 비해선 기술적인 어려움, 의료적 문제, 장기적 관찰 가능성이 있다는 점에서 좋은 절충안이 된다. 이러한 이점과 적은 훈련을 필요로 한다는 점에서 운동장애를 가진 사람들에게 실제 적용될 가능성이 가장 높다고 보여진다. [51][52]

빛을 이용한 BCI장치는 아직 이론의 범주에서 벗어나지 못했다. 아마도 두개골 내에 레이저를 넣어 세포 하나를 목표로 하고, 그 세포의 반응을 또다른 센서로 측정하는 식으로 이루어 질 것이다. 신경이 흥분하면 레이저의 파형과 파장이 따라서 살짝 변화할 것이다. 이것은 연구자들로 하여금 조직과 많은 접촉을 하지 않고도 단일 뉴런을 모니터링할 수 있게 해줄 것이다.[citation needed]

비침습적 BCI[편집]

비침습적 신경영상기술을 사용해 BCI를 구현하려는 시도 역시 존재한다. 출판된 BCI 논문의 상당수는 뇌파에 기반한 것들이다. 비침습적인 뇌파 기반 기술들은 응용분야가 다른 것들에 비해 넓다. 그러나 뇌파가 수술도 필요하지 않고 착용하기 굉장히 간편함에도 불구하고, 비교적으로 공간 해상도가 낮으며 뇌파가 고주파 뇌파를 흡수하기때문에 신호가 퍼지고 뭉개진다는 단점이 있다. 또한 다른 방법들에 비해 뇌파 기반 인터페이스는 적용하기 전에 충분한 훈련을 거쳐야 한다는 단점도 있다. 정리하자면, 어느 종류의 BCI를 사용할지는 고려할 것이 매우 많기 때문에, 사용자에 따라 최고의 BCI가 달라진다.

뇌파에 기반하지 않은 HCI기술[편집]

동공 진동[편집]

2016년의 논문은 뇌파가 아닌 완전히 새로운 접근방법을 제시하고있다. 이 논문에서는 가상 키보드로 문자를 입력하는 것을 연구했는데, 특이하게도 각 문자의 배경 색의 밝기 진동수를 다르게 해서 문자를 직접 바라보지 않고서도 입력할 수 있게 했다.

기능성 근적외선 분광기법(fNIRS)[편집]

2014년과 2017년에는 근위축성측색경화증(ALS)으로 인해 감금 증후군(locked-in syndrome)에 걸린 환자에게 fNIRS를 사용해 다른 사람들과 기본적인 의사소통을 가능케 한 연구가 보고되었다.

뇌파 기반 BCI[편집]

개괄[편집]

EEG(Electroencephalogram)는 좋은 시간분해능, 사용의 간편성, 그리고 휴대용과 저렴하다는 장점때문에 비침습적 BCI 연구에서 가장 큰 부분을 차지한다.

초기에는 뇌파가 사용자의 많은 훈련을 필요로 한다는 점이 BCI연구에 커다란 장벽으로 존재했었다. 일례로, 1990년대 중반에 독일의 튀빙겐대학의 닐스 비르바우머(Niels Birbaumer)는 마비환자들로 하여금 느린피질전위(SCP; Slow Cortical Potential)를 조절하게하고, 이 뇌파를 이진신호로 사용하여 컴퓨터 커서를 움직이도록 하는 실험을 했다. (비르바우머는 간질환자들에게 SCP를 조절하게 하여 발작을 줄인 연구를 한 적이 있다.) 이 실험에서 10명의 환자들이 뇌파를 조절함으로써 컴퓨터 커서를 움직이는데 성공했고, 한달 이상의 훈련을 거친 결과 한시간에 100글자 이상을 입력할 수 있게 되었다. 이처럼 SCP를 통한 BCI는 수년간 연구되었음에도 불구하고, 훈련량이나 정확도, 범용성 면에서 다른 더 좋은 접근방법들이 존재한다. 비르바우머는 후에 뉴욕주립대의 조나단 월포와 함께 어떤 뇌파가 BCI에 가장 적합한지 연구했는데, 이 연구에서는 뮤파와 베타파의 신경진동(neural oscillation)까지 고려하였다.

더 나아가서는, P300신호를 통해 피드백을 사용한 방법도 있다. P300 패턴은 사람이 무언가를 볼 때에 이에 대한 피드백으로 비자발적으로 나타나는데, 위에 소개했던 바이오피드백 방법들이 훈련을 통해 뇌파를 제어하는 방법을 익혀야 한다는 것과는 대조적이다. P300을 통해 환자에 대한 훈련 없이도 BCI에 적용할 수 있을 지도 모른다.

EEG 기반 BCI가 매우 많은 연구실에서 이루어지고 있는 현실에서, 미네소타주의 빈 허(Bin He) 연구팀은 EEG가 침습적 BCI와 비슷한 성능을 낼 잠재력이 있음을 보였다. BOLD fMRI와 EEG source imaging 등 최신식 기능성 신경이미징 기술을 사용하여, 빈 허와 그의 동료들은 운동을 상상할 때의 전기생리학적 신호와 혈류역학적 신호간에 공동변수가 존재하고, 뇌에 이에 국한된 부위가 존재함을 보였다.[57] 신경영상과 훈련 방식을 다듬은 결과, 빈 허와 동료들은 비침습적 EEG 기반 BCI를 통해 운동을 상상하는것 만으로도 3차원에서의 가상 헬기를 조종하는데 성공했다.[58] 2013년 6월, 빈 허는 장애물이 많은 코스에서도 헬기를 가상 조종할 수 있을 정도로 기술을 발전시켰음을 밝혔다.[59]

EEG 기반 BCI에 더해서, 빈 허와 그의 동료들은 EEG 역연산 문제를 풀어서 만들어진 가상의 뇌파를 가지고 BCI를 구현하는데 성공했다. 이와 같은 연구는 신호의 원천을 분석하여 BCI를 하는 것에 대한 이점을 보여주고 있다.

2014년의 연구는 운동능력이 심각하게 손상된 환자가 어떤 신경기반 소통채널보다도 EEG BCI를 통해 더 빠르고 정확하게 소통할 수 있다는 것을 보여주었다.

무수성 활성전극 배열[편집]

1990년대 초에 데이비스(Davis)에 있는 캘리포니아대학의 바박 타헤리(Babak Taheri)는 미세가공기술을 이용하여 단일/다채널 무수성(젤을 사용하지 않는것) 전극배열을 시연하는데 처음으로 성공했다. 단일 채널 무수성 EEG 전극을 구현한 결과는 1994년에 출판되었는데, 여기서 은/염화은 전극과 비교했을 때 괜찮은 성능을 보여주었다. 임피던스 매칭을 통해 노이즈를 줄이기 위해서, 장치를 네 개로 나눈 각 부분에 전자기구를 집적시켰다. 이와 같은 전극의 장점으로는 (1) 전해물이 남지 않고, (2) 피부에 별도의 준비를 할 필요가 없으며, (3) 센서의 사이즈를 크게 줄일 수 있고, (4) EEG 모니터링 시스템과 매우 잘 호환된다는 점이 있다. 활성전극(active -)은 배터리가 포함된 집적회로와 축전기들의 배열을 집적시켜둔 것이다. 전극을 통해 근본적인 신호를 얻기 위해서는 이와 같은 수준의 집적이 요구된다.

전극은 전기 테스트 벤치와 인간을 대상으로 한 네 종류의 EEG에서 임상실험을 거쳤는데, 각각 (1) 자발적 EEG, (2) 감각 사건관련전위(ERP), (3) 뇌간 전위, (4) 인지적 ERP이다. 무수성 전극은 피부에 별도의 준비가 필요하지 않고, 젤을 요구하지 않으며, 높은 신호-노이즈 비를 가지고 있다는 점에서 높이 평가받는다.

1999년에는 오하이오주 클리블랜드의 케이스 웨스턴 리저브 대학교에서 헌터 페컴(Hunter Peckham)이 이끄는 팀이, 64개의 전극으로 머리에 씌우는 EEG 기구를 만들어 사지마비환자 짐 자티치(Jim Jatich)에게 적용하였다. 자티치가 위/아래와 같이 단순하지만 상반된 개념에 집중하는 동안 생성되는 뇌파에서 베타파를 분리하여 패턴을 관측하였다. 간단한 패턴을 통해 기준점 이상인 경우 스위치를 키고, 아래인 경우 끄도록 실험을 디자인했다. 자티치는 컴퓨터의 커서를 움직였을 뿐만 아니라, 그의 손에 삽입된 신경 조절기구에 신호를 보내어 운동을 일부 회복시킬수도 있었다.

SSVEP 모바일 EEG BCI[편집]

2009년, 이전에 실리콘 기반의 MEMS 무수성 전극을 개발했던 적이 있는 자오퉁대 연구팀에서 BCI 머리띠를 개발했다고 밝혔다. 신호처리 모듈에서는 알파파를 특정하고, 블루투스를 통해 환자의 인지능력과 민첩성을 휴대폰으로 전송하였다. 환자가 졸음을 느끼면 휴대폰은 각성 신호를 주어 환자를 깨우는 식으로 작동하였다.

2011년에는 EEG 데이터를 통해 핸드폰을 울리게 하는 방식의 휴대폰 기반 BCI가 보고되었다. 이 연구는 미 육군의 하위 기업인 아브락시스 생명과학의 지원을 받았다. 이 웨어러블 시스템은 생체신호를 받아 증폭하는 4채널 모듈, 무선전달 모듈, 블루투스가 가능한 모듈로 구성되었다. 전극은 정류상태 시각유발전위(SSVEP)를 잡아낼 수 있도록 설치되었다. SSVEP란 6Hz 정도로 깜빡거리는 시각자극에 대해 시각피질이 위치한 두정엽과 후두엽 부위에서 측정할 수 있는 전기신호를 말한다. 이 BCI 장비를 통해, 모든 피험자들이 연습을 거의 하지 않고도 전화를 거는데 성공했다고 보고되었다.

과학자들은 단일채널 고속 푸리에변환(FFT)과 다채널 시스템 정준상관분석(CCA) 알고리즘에 대한 연구들이 모바일 BCI의 가능성을 넓혀주고 있다고 주장한다. CCA알고리즘은 여러 BCI 연구에서 높은 정확성과 빠르기를 입증하고 있다. SSVEP를 통해 전화를 거는 연구가 진행되는 동안, 연구자들은 이 기술로 뮤파나 베타파를 집어내면 운동 상상을 통한 BCI에도 똑같이 적용할 수 있을 것이라고 주장했다.​

2013년에는 안드로이드 폰, 태블릿, 그리고 컴퓨터 각각에 대해 EEG SSVEP의 파워 스펙트럼 밀도를 분석해 BCI를 비교하는 실험이 이루어졌다. 미 육군 연구소이 과학자들을 포함한 연구팀이 이 실험을 맡았는데, SSVEP기반 BCI를 일상생활에서도 사용할 수 있을 정도로 실용성, 휴대성, 범용성을 높이는 것을 목표로 했다. 그 결과, 실험한 모든 기구에 대해 높은 정밀도로 자극을 줄 수 있었으나 휴대폰의 경우 가끔 불안정한 모습을 보여주었다고 발표했다. SSVEP 진폭 역시 휴대폰보다 노트북과 태블릿의 경우가 더 강한 값을 주었다고 한다. 이 두 양적인 요소들이 모바일 자극 BCI를 평가하는 요소가 된다.

한계점[편집]

2011년, 연구자들은 사용의 편의, 일관된 성능, 하드웨어와 소프트웨어의 비용을 줄이는 연구가 계속되어야한다고 말했다.

EEG 측정에 가장 어려운 점 중 하나는, 측정기구의 움직임에 신호가 크게 영향받는다는 것이다. 위의 연구들에서는 피험자에게 곧게 앉아 머리와 눈을 움직이지 않도록 통제되었다. 그러나 실용적인 면이 더욱 강조되는 현재에서, 움직임이 동반된 상황에 대한 테스트가 많이 이루어져야 한다.

2013년에는 런닝머신에서 다양한 속도로 걷는 피험자에서 SSVEP를 측정해 BCI를 구현한 연구가 미 해군과 육군 연구소의 지원을 받아 이루어졌다. 이 연구를 통해, 걷는 속도가 빨라질수록 CCA를 통해 SSVEP를 감지하는 능력이 떨어진다는 사실이 밝혀졌다. 독립성분분석(ICA)가 노이즈에서 EEG를 잘 분리한다는 것이 밝혀짐에 따라, ICA를 CCA에 적용한 연구가 발표되었다. 이를 통해 CCA에 ICA를 적용한 경우와 그렇지 않은 경우의 결과가 비슷하다는 것이 밝혀졌고, 연구자들은 이것이 CCA가 의도치 않은 움직임에 대한 견고성을 가지고 있다는 것을 독립적으로 보였고, 따라서 현실에 응용하는데 적합하다고 결론지었다.

보철과 환경제어[편집]

비침습적 BCI는 마비환자들에게 장착된 보철물을 뇌로 제어하는 방향으로도 연구되고 있다. 예를들어, 그란츠 대학의 게르트 푸르트쉘러(Gert Pfurtscheller)와 그의 동료들은 척추부상으로 팔을 못쓰는 환자들에게 BCI를 통해 전기자극을 하여 운동을 회복시킬 수 있는 연구를 하였다. 2012년에서 2013년 사이에는, 캘리포니아대학교 어바인대학의 연구팀이 BCI를 통해 척수부상으로 걷지 못하는 환자들을 걸을 수 있도록 회복시킬 수 있다는 연구를 보였다. 또한, 하반신 마비 환자에게 BCI를 응용해서 보행보조기구를 통해 어느 정도 걸음을 회복하는 연구 역시 이루어졌다. 2009년에는 알렉스 블레이니(Alex Blainey)라 하는 영국의 독립 연구원이 Emotiv사의 EPOC 제품을 가지고 5개의 축이 있는 로봇팔을 조종하는데에 성공했다. 그리고 그는 정신으로 조종하는 휠체어나, 마비환자들을 위한 가정 자동화 기구들을 시연하였다.

DARPA의 지원을 받는 군사용 BCI개발은 1970년대부터 진행중이다. 현재는 신경신호를 통한 사용자간 의사소통에 중점을 두고있다.

DIY와 오픈소스 BCI[편집]

2001년에 DIY 신경과학자들과 공학자들에 의해 OpenEEG프로젝트가 시작되었다. 이들에 의해 처음으로 만들어진 장치가 바로 모듈러EEG인데, 이는 200~400달러의 비용으로 만든 6채널 측정기구이다. OpenEEG 프로젝트는 DIY BCI의 출현을 알렸다.

2010년에 뉴욕대의 프론티어 너드들의 ITP프로그램은 "장난감 EEG를 해킹하는 방법(How To Hack Toy EEGs)"라는 제목의 튜토리얼을 출판했다. 많은 DIY BCI 팬들의 마음을 휘저은 이 튜토리얼에서는, 아두이노와 마텔사의 마인드플렉스(Mindflex)를 사용해 저렴한 가격으로 가정용 EEG 측정기구를 만드는 방법을 공개했다. 이 튜토리얼을 통해 DIY BCI가 더욱 활기를 띠게 되었다.

2013년에는, DARPA의 요청과 이로 인한 킥스타터 캠페인을 통해 OpenBCI가 대두되었다. 그들은 고성능의 오픈소스 8채널 EEG 측정기구를 만들었는데, 32비트 보드로도 알려져 있고 500달러보다 저렴한 가격이라고 한다. 이년 후에 그들은 3D 프린트 된 EEG 헤드셋을 만들어 Ultracortex라 명명하였는데, 신경절 보드라고 불리는 4채널의 EEG 측정 보드를 달고 있어 100달러 미만의 가격이라고 한다.

MEG와 MRI[편집]

뇌자도(MEG)와 기능성 자기공명영상(fMRI)은 모두 비침습적 BCI의 매개체로 잘 작동한다. fMRI를 통해 두명의 사람이 탁구를 치면서 실시간으로 그들의 뇌혈류 반응을 측정해내는데 성공했으며, 또한 72초의 딜레이를 가지고 로봇팔을 제어하는데 성공했다.

2008년에는 일본 교토에 위치한 전기 통신 기초 연구소(ATR)의 계산신경과학 연구팀들이 뇌 영상을 통해 10x10픽셀의 흑백 영상을 복원해내는데 성공했다. 이 논문은 2008년 12월 10일, 뉴런지(紙)의 표지를 장식했다.

2011년에 UC Berkeley의 연구자들은 fMRI 데이터를 통해 매 초마다 피험자가 어떤 영상을 보는지 복원하는데 성공했다고 밝혔다. 이 연구는 영상의 패턴에 대응되는 두뇌의 활성에 대한 통계적 모델을 만드는 방식으로 이루어졌다. 이 모델은 18만초의 유튜브 영상에서 100개의 1초 영상을 뽑아내 사용되었는데, 실제 피험자의 두뇌 영상 패턴과 상당히 일치하였다. 이 100개의 영상들은 나중에 합쳐져 피험자가 보는 영상을 유추하는데 사용되었다.

신경영상에서의 BCI 제어전략[편집]
운동 상상법[편집]

다양한 신체부위의 운동을 상상하는 것은 운동피질을 활성시켜, 운동피질에서 측정되는 EEG에도 변화를 준다. BCI는 이 변화를 측정하여 사용자의 의도를 유추할 수 있다. 운동상상법으로 BCI를 사용하기 위해서는 일반적으로 많은 단계의 훈련이 필요한데, 일관적으로 충분한 성능을 내기 위해서 며칠에 걸쳐 수시간을 훈련해야 한다. 훈련기간에 상관없이, 사용자들은 제어체계를 마스터할 수 없다. 이것이 이 기술의 진보가 굉장히 더딘 이유이다. 최근에 운동상상을 감지하는데 특화된 계산을 하는 기계학습이 개발되었다. 싱가포르 과학기술청의 Ang et al.은 Filter Bank Common Spatial Pattern(FBCSP)라는 알고리즘을 개발했는데, BCI Comptetition IV의 dataset 2에서 운동상상을 검출해내는데 최고의 알고리즘이라고 한다.

수동 BCI에서의 바이오/신경피드백[편집]

대상의 정신적 안정을 모니터링 하기 위해 바이오피드백이 사용된다. 몇가지 경우에 바이오피드백은 EEG 대신 EMG(근전위), GSR(갈바닉 피부전위), HRV(심박변위도) 등 신체에서 오는 신호들을 사용한다. 바이오피드백 시스템은 현재 ADHD나 유아기의 수면장애, 이갈이, 만성통증 등을 치료하는데 사용되고 있다. EEG 바이오피드백 시스템은 일반적으로 네 개의 주파수대역(세타파: 4–7 Hz, 알파파: 8–12 Hz, SMR: 12–15 Hz, 베타파: 15–18 Hz)을 감지하고 이를 사용하는데 초점을 두고 있다. 수동적 BCI는 사용자의 상태에 대한 함축적 정보를 통한 인간-기계 상호작용을 향상시키는데 사용되기도 하는데, 이 인간-기계 상호작용이란 돌발상황에서 자동차 브레이크를 밟는 상황 등을 의미한다. 수동적 BCI를 사용하는 게임 개발자들은 게임 레벨을 반복하면서 사용자의 인지상태가 바뀐다는 것을 인정해야한다. 플레이어는 한 레벨을 여러 번 플레이할 때마다 반응이 달라진다. 일례로, 게임 속에 깜짝 놀랄만한 이벤트가 있는 경우, 두 번째 플레이하는 사람은 이를 예상하고 이에 따른 반응 역시도 달라지게 된다.

시각 유발 전위(VEP)[편집]

VEP는 대상의 시각자극이 주어진 이후에 뇌에서 측정되는 전위이다. 여러종류의 VEP가 존재한다.

정류상태 시각유발전위(SSVEPs)는 특정 진동수로 각막에 시각자극을 주며 측정할 수 있는 VEP를 의미한다. 자극으로는 단순하게 깜빡이는 이미지를 사용하기도 하고, 체스판 무늬를 번갈아가면서 보여주기도 한다. SSVEP의 장점은 사용된 자극의 주파수가 EEG 스펙트럼 상에서 잘 구분된다는 점이다. SSVEP는 눈을 깜빡일 때에나 일시적인 VEP에서도 검출할 수 있는 만큼 측정할 기회가 많고, 진동수를 측정하기 때문에 측정기구들의 에러로부터도 비교적 자유로우므로, 많은 BCI 시스템에서 효과적으로 동작하고 있다. 뿐만 아니라 SSVEP는 이례적으로 강한 세기를 갖기 때문에 더욱 사용하기에 좋다. 그러나 SSVEP 역시 여러 문제점을 가지고 있다. 사용자는 BCI를 사용하기 위해 깜빡이는 특정 신호에 더욱 집중해야만 한다. 이는 사용자에게 피로감을 줄 수 있지만, 실제로는 한 시간 이상 사용한 후에야 유의미한 피로가 측정되며, 실제로는 한 시간 이상 사용할 경우가 별로 없다는 점 역시 고려해야 한다.

또 다른 VEP로는 P300 전위가 있다. P300 사건관련전위는 신호가 주어진 대략 300ms 후에 측정되는 피크를 의미하는데, 이 신호는 사용자가 예상하고 있거나 매우 별난 신호여야 한다. 목표한 자극과 그렇지 않은 자극 사이의 차이가 클 수록 P300의 진폭이 크다는 사실이 알려져 있다. P300은 고위단계 집중 작업과 관련되어있다고 생각된다. 사용자에게 주어진 훈련시간이 짧은 경우 P300은 매우 효과적인 BCI 작동 방안이 된다. 처음에는 P300을 사용하기 위해 P300 행렬을 만들었었다. 이 시스템 속에서, 사용자는 6x6 글자표에서 글자나 숫자 하나를 고른다. 표의 행과 열은 매 순간 순차적으로 깜박여, 선택된 글자를 보고 있는 사용자의 두뇌에서 P300을 유도해낸다. 그러나 이 과정은 매우 느려서, 1분에 17개의 글자를 입력하는 것이 한계치이다. P300은 연속적인 기능보다는 불연속적인 기능을 제공한다고 보는 편이 맞을 것이다. P300의 이점은, 사용자가 제어 방법을 전혀 몰라도 된다는 점이다.

인조 텔레파시/무음 의사소통[편집]

2010년에 DARPA에서는 "조용한 대화(Silent Talk)"라는 이름의 프로그램을 위해 4백만달러의 예산을 편성했다. 이 프로그램의 목적은 전장에서 군인끼리 목소리를 사용하지 않고, 신경신호를 통해 상호작용하는 것을 가능케 하는 것이다. 이를 위해 세 가지의 중간 목표가 있는데, 첫째로 각 단어에만 대응되는 EEG 패턴을 구분해내는 것이고, 둘째로 각 단어에 대해 사용자들간에 커다란 차이가 없는 EEG 패턴을 발견하는 것이고, 셋째로는 이 EEG 신호를 해석해 한정된 거리 내로 전달할 수 있는 기구를 실전에 투입 가능한 프로토타입으로 만드는 것이다. 육군은 630만달러로 이 텔레파시 프로젝트를 시작했는데, 거윈 샬크(Gerwin Schalk)는 220만달러를 지원받아 ECoG 신호를 통해 실제로 말하거나 상상한 자/모음들을 구분하는 결과를 냈다. 이로써 자/모음을 구분하는 독창적인 메카니즘을 조명하는 동시에, 대화상상을 통한 뇌 기반의 의사소통의 기초를 제공해 주었다.

2002년에는 켈빈 워윅은 100개의 전극 배열을 가지고 그의 신경계를 자극하여 인터넷에 연결하는 시도를 했다. 실제로 워윅은 몇 가지 실험에 성공했다. 그의 아내의 신경계에도 전극을 삽입하여, 두 사람은 신경계간의 전기적 의사소통을 한 첫 번째 사례가 되었다.

말하는것을 상상(subvocalization)하여 인조 텔레파시를 구현하는것에 대한 연구는 캘리포니아대학 어바인 캠퍼스의 마이크 즈무라(Mike D'Zmura)의 지도 하에 이루어지고 있다. 첫 번째 의사소통은 1960년대에 EEG의 알파파를 사용해 모스부호를 만들어내는 것으로 이루어졌었다. 대화를 상상하는것은 EEG보다는 뇌와 두개골 사이에 전극을 삽입한 침습적 방법으로 하는 편이 더 좋다. 2013년 2월 27일에는 듀크대학의 미겔 니코렐리스와 브라질 신경과학연구소(IINN-ELS)는 두 쥐의 뇌를 연결하여 정보를 공유하는데 성공하여, 첫 번째로 직접 뇌-뇌 인터페이스를 구현하는데에 성공했다.

2014년 9월 3일에는, EEG 신호를 인터넷을 통해 전송하는 방식으로 사람의 뇌 끼리의 의사소통의 가능성이 더욱 확장되었다.

세포 배양 BCI[편집]

연구자들은 개체 외부에서 배양된 신경 네트워크와 상호작용 하기 위한 방법을 개발해왔다. 많은 연구들은 배양된 신경조직을 가지고 문제를 푸는 네트워크나, 간단한 컴퓨터를 구현해 로봇팔을 조종하는 기능을 갖추는 데 목적을 두고 이루어졌다. 반도체 칩 위에서 배양된 각각의 신경세포를 자극하거나 신호를 측정하는 기술에 대한 연구들은 신경전자공학(Neuroelectronics)이나 신경칩(Neurochip)이라는 이름으로 불린다.[102]

칼텍의 연구자 제롬 파인(Jerome Pine)과 미카엘 마허(Michael Maher)가 개발한 최초의 신경칩.

첫 번째 신경칩은 1997년 칼텍의 제롬 파인(Jerome Pine)과 미카엘 마허(Michael Maher)의 연구팀이 개발한 것으로 인정된다. 이 칼텍 칩은 16개의 뉴런을 위한 공간을 가지고 있었다.[103]

2003년에는 서던캘리포니아대학교의 시어도어 베르거(Theodore Berger)가 인공 해마를 목표로 신경칩을 연구하기 시작했다. 이 신경칩은 쥐의 해마에서 시작해서, 더 고등한 뇌의 보철물로 기동하는 것을 목적으로 하였다. 여러 뇌 부위들 중에 해마가 선택된 이유는, 해마가 가장 정렬되고 구조적인 부분이고, 또한 연구가 가장 많이 된 부분이기 때문이었다. 해마의 기능은 경험을 암호화하여 뇌의 여러 부분의 장기기억을 저장하는 것이다.[104]

2004년, 플로리다대학의 토마스 드마르즈(Thomas DeMarse)는 쥐의 뇌에서 25000개의 뉴런을 가져와 F-22 전투기의 비행 시뮬레이션을 실행하였다. 피질의 뉴런들은 페트리접시에서 배양되며 급속도로 서로 연결하며 새로운 살아있는 신경 네트워크를 형성하였다. 세포들은 60개의 전극 격자 위에서 배열되어 비행 시뮬레이에서 P/Y(Pitch and Yaw, 상하 이동과 좌우 회전)를 조종하는데 사용되었다. 이 연구는 인간의 뇌가 세포수준에서의 계산작업을 어떻게 시행하고 또 학습하는지 이해하는 것에 목적을 두었다.

윤리적 이슈[편집]

BCI와 관련이 있는 윤리적, 법적, 사회적인 이슈는 다음과 같다.

  • 개념적 문제 (무엇이 BCI이고, 무엇이 아닌가)[110]
  • 의사소통에 문제가 있는 환자들의 사전동의
  • 손익 분석
  • BCI팀의 책임 공유 (e.g. 어떻게 책임감있는 팀 결정이 만들어질 수 있다고 보증할 것인가(?))
  • 환자와 그 가정의 삶의 질을 위한 BCI 기술의 결과
  • 부작용 (e.g. SMR을 사용한 신경피드백의 훈련이 수면 질에 영향을 준다는 것이 보고되었다)
  • 개인의 책임과 책임으로부터의 제약 (e.g. 신경보철물의 오작동에 책임이 있는 사람)
  • 인간성과 성격이 대체될 가능성
  • 인간과 기계 사이의 구분이 흐려지는 것
  • 의료계에서의 과다적용
  • 동물에서 인간을 대상으로 바꿀 때 불거질 수 있는 연구윤리적 문제들
  • 생각읽기와 프라이버시
  • 정신조종
  • 정부에 의한 오용(심문 등)
  • 선택적 혜택에 의한 사회의 계급화
  • 미디어와의 소통

현재에는 대부분의 BCI가 교정치료에 사용되고 있고, 위의 윤리적 이슈들과는 멀리 떨어져있다. 클라우젠(Clausen)은 2009년에 "BCI는 윤리적 도전과제를 제시하지만, 다른 종류의 치료법들에게도 비슷한 생명윤리적 문제가 있다"[106]고 말했다. 더 나아가서, 그는 BCI로 인해 불거질 문제점들에 대해 생명윤리가 잘 준비되어있다고 말했다. 하젤라거(Haselager)와 그의 동료들은[107] BCI의 효능과 가치에 대한 예측들은 윤리적 문제를 매우 잘 분석하고 있고, 또한 과학자들이 미디어에 어떻게 접근해야 할지에 대해서도 가르쳐주고 있다고 밝혔다. 게다가, 감금증후군 환자들의 사전동의를 윤리적으로 얻는데 표준 프로토콜로 사용될 수 있을 것이라고도 밝혔다.

오늘날 BCI와 그 발달과정은 마치 의료분야의 하나로 보인다. 조제학이 장애인들에게 도움을 주기 위해 시작되었던 것으나 이제는 수면욕을 줄이는데 사용되는 만큼, BCI는 치료법중 하나에서 강화도구로 점진적인 변화를 해 나갈 것이다.[109] 연구자들은 이 기술이 사회적으로 받아들여지기 위해서는 윤리에 대한 가이드라인, 적절한 미디어 보도, 그리고 BCI에 대한 교육이 가장 중요할 것임을 잘 알고 있다. 따라서, 최근에는 BCI 커뮤니티 내에서 BCI개발, 발달 및 배포 윤리에 대한 가이드라인을 만들자는 공감대를 형성하고자 하는 노력이 많이 이루어지고 있다.[110]

오픈소스 소프트웨어[편집]

사생활 보호에 대한 대중의 인식이 증가하고 있는 요즘, GDPR(유럽 연합 일반 데이터 보호 규칙)과 같은 새로운 규제가 유럽의 법에 들어가게 된 것은 놀라운 일이 아니다.

몇몇은 오픈소스 소프트웨어가 사용자와 소프트웨어간 신뢰를 형성할 수 있는 유일한 방법이라고 생각한다. 일례로 이와 같은 도구들은 완전히 신뢰받으며, (블록체인 기술처럼) 세계의 감사를 받고, 보안을 위해 국소적(locaclly)으로 실행 가능하기 위해서는 전적으로 오픈소스가 되어야 할 필요가 있다.[111]

AI의 부상 앞에서 인간의 소외를 막는 점에서의 BCI[편집]

커즈와일의 예측처럼, AI가 인간의 지능을 넘어설 것이라는 가상의 시나리오가 존재한다. 이를 생각하며 스스로에게 질문을 던져보자. 우리는 기계에 의해 추월되는 대신 기계가 될 수 있는가? 엘론머스크 역시 AI가 인간을 넘어설 것이라는 시나리오를 믿는다. 이로써 그는 BCI가 인간을 순환고리에서 보호할 수 있을것이라고 주장한다. 보도된 바에 의하면, 그는 가능한 결과들을 분석한 결과 인간이 기계가 되는 것이 가장 리스크가 적은 결과라고 생각하며, 사람들은 이 변화를 그들 스스로를 지키기 위한 것임을 받아들여야 한다고 생각한다고 한다.

저가격 BCI[편집]

최근에는 다수의 기업들이 저렴한 BCI를 만들기 위해서 EEG기술의 의료등급을 축소하는 추세이다. 이 기술은 장난감이나 게임장치 내에 구현되었는데, 뉴로스카이나 마텔의 마인드플렉스 같은 장난감들은 상업적으로 아주 성공적이다.

  • 2006년 소니는 전파를 가지고 대뇌피질을 자극하는 기술에 대한 특허를 냈다.
  • 2007년 뉴로스카이는 뉴로보이라는 게임과 함께 사용자가 구매할 수 있는 첫 번째 소비자기반 EEG를 출시했다. 이는 또한 dry sensor를 사용한 첫 번째 대형 EEG 장치이다.
  • 2008년 OCZ Technology는 EMG에 기반한 비디오게임 장치를 개발하였다.
  • 2008년 파이널판타지의 개발자인 스퀘어 에닉스에서는 뉴로스카이와 Judecca라는 게임을 공동제작한다고 발표했다.
  • 2009년 마텔은 뉴로스카이와 함께 EEG를 사용하여 공을 장애물 사이로 굴리는 게임인 마인드플렉스를 발매했다. 현재 가장 잘 팔리는 EEG 게임이다.
  • 2009년 Uncle Milton Industries는 뉴로스카이와 함께 스타워즈의 포스의 오라를 가상으로 만들어낼 수 있는 포스 훈련장비를 발매했다.
  • 2009년 Emotiv는 4개의 정신상태, 13개의 의식상태, 표정, 머리의 움직임을 읽을 수 있는 14채널 EEG장치인 EPOC을 발매했다. EPOC은 dry sensor 기술을 사용한 최초의 상업적 BCI이나, 더 좋은 성능을 위해서 전해질을 묻힐 수 있다.
  • 2011년 타임지(誌)는 뉴로웨어의 "네코미미"를 올해의 발명품 중 하나로 선정했다. 2012년 뉴로웨어는 뉴로스카이 제품을 통해 조종할 수 있는 고양이귀를 포함한 코스튬을 출판할 계획이라고 밝혔다.
  • 2014년 2월, They Shall Walk(마비환자를 위한 외골격 장치를 만드는 비영리단체)는 무선 BCI 개발을 위해 파트너쉽을 맺었다.
  • 2016년 취미개발자의 그룹이 신경신호를 스마트폰의 오디오잭으로 번송할 수 있는 오픈소스 BCI 보드를 만들었는데, 20파운드 이하로 가격을 낮추고 있다. 안드로이드에서는 유니티를 활용한 진단 애플리케이션을 다운받을 수 있다.

미래의 연구방향[편집]

Brain-computer interface

유럽의 12 파트너로 구성된 컨소지움에서는 Horizon 2020이라는 프로그램에 대한 유럽 위원회의 펀딩 계획을 지원하기 위한 로드맵 작성을 완료했다. 이 프로젝트는 2013년 11월에 시작해 2015년 4월에 종료되며, 컨소지움의 로드맵은 여기서 다운로드 가능하다. 클레멘스 브루너(Clemens Brunner) 박사의 2015년 논문은 이 프로젝트에 대한 분석과 성과를 설명하고 있는데, 부상하고 있는 BCI 사회에 대한 내용 역시 실려있다. 예를들어, 이 논문은 이 프로젝트 내의 작업들을 리뷰하고있는데, 여기에는 BCI의 정의와 응용, 최신 연구경향에 대한 탐구, 윤리적 이슈에 대한 토의, 그리고 새로운 BCI를 위한 또다른 접근방향의 평가 역시 이루어졌다. 이 논문이 말하듯, 컨소지움의 새로운 로드맵은 일반적으로 브렌단 알리슨 박사(Brendran Allison)의 권고를 확장 및 보조하는 양상인데, 이 박사는 떠오르는 BCI의 방향에 대한 대단한 열정을 전달하고 있다.

다른 최신 논문들은 새로운 장애인 사용자들을 위해 가장 희망적인 미래 BCI의 방향을 탐사하고 있다. 성공적인 몇 사례를 아래에 요약해 두었다.

의식장애(DOC)[편집]

의식장애는 혼수상태, 식물인간, 최소의식상태(MCS)를 포함한다. 새로운 BCI 연구들은 이러한 장애에 있는 사람들을 도울 방안을 여러 방향으로 찾고 있다. 연구 초기의 목표는 간단한 인지과제를 수행할 수 있는 환자들을 찾는 것이며, 당연하게도 이런 과정을 통해 환자의 분류를 다시 할 수 있다. 이 말인 즉슨, 의식장애로 분류된 사람들이 사실은 정보를 처리해여 생활에 중요한 결정들을 스스로 내릴 수도 있다는 것이다. 의식장애로 진단된 몇몇은 가족들에 의해 연명치료중단 결정이 내려지기도 한다. 이 결정에 환자의 생각을 물어볼 수 있다는 점에서, 의식장애 환자들의 의사를 물어볼 수 있는 방향으로의 연구가 이루어지도록 강한 윤리적 압력을 받게 될 것이라고 생각된다.

많은 논문들이 의식장애 환자를 돕는데에 BCI를 적용하는데 해결해야 할 문제점과 해결방안을 다루고 있다. 문제점중 하나는, 의식장애 환자들이 시각기반 BCI를 사용할 수 없다는 것이다. 따라서 새로운 도구들은 청각이나 진동촉각(vibrotactile)에 기반한다. 환자들은 헤드폰을 쓰거나 진동촉각장치를 손목, 목, 다리 등에 착용할 수 있다. 또다른 문제점은, 환자들에게 의식이 계속 있지는 않으므로 특정 시각에만 의사소통이 가능하다는 점이다. 이는 잘못된 진단의 결과이다. 일부 환자들은 하루에 몇 시간동안만 의사의 요청에 반응할 수 있고, 이것은 의사가 예측할 수 없는것이다. 따라서 의사의 진료중에 환자가 반응할 수 없게 된다면 진단이 제대로 되지 않는 것이다. 따라서 실제 현장에서 전문가의 도움없이 보호자가 사용할 수 있는 도구가 필요하다. 이런 도구는 자동화되어 "당신의 아버지가 조지 입니까?" 등의 질문을 환자에게 던질 수 있어야 한다. 이에 대해 환자는 왼쪽이나 오른쪽 손목에 집중하여 네/아니오로 대답할 수 있다. 이렇게 한 쪽에 집중하는것은 EEG 패턴에 신뢰할 수 있는 정도의 변화를 가져오게 되고, 따라서 환자와 의사소통이 가능해지는 것이다. 이 의사소통의 결과는 물론 의사나 간호사에게 표현되어 진단이 수정될 수 있어야 한다. 덧붙이자면, 이러한 환자들은 BCI 기반 의사소통 도구를 통해 기본적인 요구, 침대의 위치 조절, 그리고 HVAC(난방, 통풍, 냉방)을 조절할 수 있어야 하고, 삶에 있어서 중요한 결정들과 소통을 할 수 있도록 해야 한다.

이 연구는 뷔츠버그대의 안드레아 퀴블러(Andrea Kuebler) 교수의 DECODER 프로젝트 등 서로 다른 EU 펀딩 프로젝트에 의해 부분적으로 지원된다. DECODER 프로젝트는 의식장애인들의 의사소통을 돕는 mindBEAGLE라는 이름의 첫 번째 BCI 시스템을 개발하는데 기여했다. 이 시스템은 의식장애 환자들과 일하는 비전문가들을 도울 수 있도록 디자인되었다. 2015년에는 ComAlert라는 이름의 EU 펀딩 프로젝트에서 더 향상된 의식장애 예측, 의사소통, 회복을 돕는 PARC라는 이름의 기술을 개발했다. 딘 크루시엔스키(Dean Krusienski)교수와 창 남(Chang Nam)에 의해 지도되는 미국 국립과학재단 펀딩 프로젝트도 있다. 이 프로젝트는 더 향상된 진동촉각 시스템, 고급 신호분석, 그리고 더 나아진 의사소통 시스템을 개발하였다.

운동기능 회복[편집]

사람들은 뇌졸중이나 부상 등 많은 이유로 운동능력을 잃어버린다. 몇 그룹들은 BCI를 운동기능 회복 분야에 응용할 수 있을지 탐구해 왔다. 이 접근방식에서, BCI는 피험자들이 운동을 시도하거나 상상할 때의 운동피질의 활성을 측정한다. BCI는 두 가지 장점이 있다. (1) 환자가 지시된 운동을 불이행하는 경우 이를 환자나 치료사에게 알려줄 수 있다. (2) 기능성 자극이나 가상 아바타로 피드백을 제공할 수 있다.

지금까지 운동기능 회복을 위한 BCI에서는 환자의 운동상상을 측정하기 위해 EEG에 의지해왔다. 그러나, fMRI를 통해 뇌에서 일어나는 다른 변화들을 사용한 연구들도 존재한다. 미래의 시스템은 EEG에 fMRI나 fNIRS 등 다른 측도를 병용하여 실시간으로 BCI를 제어할지도 모른다. BCI에 비침습적 뇌 자극을 추가해 운동기능 회복에 적용하고자 하는 연구들도 있다.

의식장애를 위한 BCI 연구들 처럼, 운동기능 회복을 위한 연구들도 EU 등으로 부터 다양한 공적 지원을 받고 있다. VERE프로젝트는 더 나은 회복을 위해 BCI와 고급 가상환경을 디자인하여 뇌졸중 재활치료에 적용하는 연구 등을 하고있다. 이 프로젝트와 오직 뇌졸중 환자들만을 위한 새로운 BCI 시스템에 초점을 둔 RecoveriX 프로젝트는 RecoveriX라고 불리는 하드웨어와 소프트웨어 플랫폼에 기여하였다. 이 시스템은 BCI와 기능성 전기자극장치, 그리고 가상 피드백을 포함하고 있다. 2016년 9월에는 recoveriX-gym이라 불리는 훈련기관이 문을 열어, 치료사들이 뇌졸중환자들에게 운동재활을 제공하기 위해 이 시스템을 사용하고 있다.

기능성 뇌 지도화[편집]

매년 대략 40만명의 사람들이 신경수술을 받기 위해 뇌 지도화를 받는다. 이는 약물을 들지 않는 간질환자나 종양환자에게 종종 사용된다. 이 과정 중에, 전극이 뇌 위에 놓여져 기능적 부위와 구조를 정밀하게 확인한다. 환자들은 이 수술중에 깨어서 손가락을 움직이거나 단어를 반복하는 등 몇몇 작업들을 수행할 수 있다. 너무 많은 뇌 조직을 제거하는것은 항구적인 손상을 야기하나, 너무 적은 뇌 조직을 제거하는 것은 병을 치료하지 못하고 또다른 수술을 요구할 수 있다. 따라서, 뇌 지도를 가능한 한 효과적으로 만드는 방법과 시스템을 향상시키는 것이 매우 필요하다.

최근의 몇몇 논문에서는 BCI 전문가들과 의사들이 협력하여 신경수술을 위한 새로운 뇌 지도화 방법들을 탐구하고 있다. 이 작업은 비침습적 방법으로는 측정하기 힘든 감마파에 집중하고 있다. 이 결과들은 운동과 언어를 포함한 다양한 기능에 중요한 뇌 부위들을 구분하는 데에 기여하고 있다.

신경 먼지[편집]

신경 먼지(Neural dust)는 밀리미터 크기의 무선 신경센서를 의미하며, 2011년에 버클리대학의 무선연구센터에서 지속가능한 BCI의 필요성을 제시함과 함께 개발되었다. 이를 구현하기 위한 모델 중 하나인 트랜지스터 모델은 국소장전위(LFP; Local Field Potential)과 활동전위를 구분하는 방법을 가능하게 했다. 이는 신경을 기록할 때 얻을 수 있는 데이터를 여러가지 측면에서 매우 풍부하게 할 것이다.

플렉시블 장치[편집]

플렉시블 전자기기들은 고분자나 다른 유연한 물질(e.g. 비단, 펜타센, PDMS, 파릴렌, 폴리이미드)에 회로를 찍어낸 것이다. 유기체에 기반한 물질들의 유연성은 전자기기들을 구부릴 수 있도록 하며, 이러한 장치들을 만들기 위한 제조기술은 집적회로나 MEMS를 만들기 위한 것과 매우 유사하다. 플렉시블 전자기기는 1960년대와 1970년대에 처음으로 개발되었으나, 제대로 주목을 받기 시작한 것은 2000년대 중반이다.

  1. Krucoff, Max O.; Rahimpour, Shervin; Slutzky, Marc W.; Edgerton, V. Reggie; Turner, Dennis A. (2016년 12월 27일). “Enhancing Nervous System Recovery through Neurobiologics, Neural Interface Training, and Neurorehabilitation”. 《Frontiers in Neuroscience》 10. ISSN 1662-453X. PMC PMC5186786 |pmc= 값 확인 필요 (도움말). PMID 28082858. doi:10.3389/fnins.2016.00584. 
  2. Vidal, J. J. (1973). “Toward direct brain-computer communication”. 《Annual Review of Biophysics and Bioengineering》 2: 157–180. ISSN 0084-6589. PMID 4583653. doi:10.1146/annurev.bb.02.060173.001105. 
  3. Vidal, J.J. (1977). “Real-time detection of brain events in EEG”. 《Proceedings of the IEEE》 65 (5): 633–641. ISSN 0018-9219. doi:10.1109/PROC.1977.10542. 
  4. Levine, S. P.; Huggins, J. E.; BeMent, S. L.; Kushwaha, R. K.; Schuh, L. A.; Rohde, M. M.; Passaro, E. A.; Ross, D. A.; Elisevich, K. V. (2000년 6월). “A direct brain interface based on event-related potentials”. 《IEEE transactions on rehabilitation engineering: a publication of the IEEE Engineering in Medicine and Biology Society》 8 (2): 180–185. ISSN 1063-6528. PMID 10896180. 
  5. Straebel, Volker; Thoben, Wilm (2014년 4월). “Alvin Lucier's Music for Solo Performer : Experimental music beyond sonification”. 《Organised Sound》 (영어) 19 (1): 17–29. ISSN 1355-7718. doi:10.1017/S135577181300037X. 
  6. Wolpaw, Jonathan R. Wolpaw, Elizabeth Winter (2012). 《Brain-computer interfaces : principles and practice》. Oxford University Press. ISBN 9780195388855. 
  7. Zhou, Huan-Xiang (2008년 11월 5일). “The debut of PMC Biophysics”. 《PMC Biophysics》 1 (1). ISSN 1757-5036. doi:10.1186/1757-5036-1-1. 
  8. Allison, Brendan Z.; Wolpaw, Elizabeth Winter; Wolpaw, Jonathan R. (2007년 7월). “Brain-computer interface systems: progress and prospects”. 《Expert Review of Medical Devices》 4 (4): 463–474. ISSN 1743-4440. PMID 17605682. doi:10.1586/17434440.4.4.463. 
  9. Bozinovski, S.; Sestakov, M.; Bozinovska, L. (1988). “Using EEG alpha rhythm to control a mobile robot”. IEEE. ISBN 0780307852. doi:10.1109/iembs.1988.95357. 
  10. Bozinovski, S. “Mobile Robot Trajectory Control: From Fixed Rails to Direct Bioelectric Control”. IEEE. doi:10.1109/imc.1990.687362. 
  11. Delpha, Claude. http://dx.doi.org/10.1049/iet-tv.46.1063. 2019년 5월 7일에 확인함.  |제목=이(가) 없거나 비었음 (도움말)
  12. Bozinovska, L.; Bozinovski, S.; Stojanov, G. “Electroexpectogram: experimental design and algorithms”. IEEE. ISBN 0780307437. doi:10.1109/ibed.1992.247084. 
  13. “Cochlear Implants” (영어). 2015년 8월 18일. 2019년 5월 7일에 확인함. 
  14. “About Duke Health | Duke Health”. 2019년 5월 7일에 확인함. 
  15. “Pitt Chronicle » Science & Technology: Monkey Uses Brain Power to Feed Itself With Robotic Arm”. 2009년 9월 10일. 2019년 5월 7일에 확인함. 
  16. Fetz, E. E. (1969년 2월 28일). “Operant conditioning of cortical unit activity”. 《Science (New York, N.Y.)》 163 (3870): 955–958. ISSN 0036-8075. PMID 4974291. 
  17. Schmidt, E. M.; McIntosh, J. S.; Durelli, L.; Bak, M. J. (1978년 9월 1일). “Fine control of operantly conditioned firing patterns of cortical neurons”. 《Experimental Neurology》 61 (2): 349–369. ISSN 0014-4886. PMID 101388. 
  18. Georgopoulos, A. P.; Lurito, J. T.; Petrides, M.; Schwartz, A. B.; Massey, J. T. (1989년 1월 13일). “Mental rotation of the neuronal population vector”. 《Science (New York, N.Y.)》 243 (4888): 234–236. ISSN 0036-8075. PMID 2911737. 
  19. Lebedev, Mikhail A.; Nicolelis, Miguel A. L. (2006년 9월). “Brain-machine interfaces: past, present and future”. 《Trends in Neurosciences》 29 (9): 536–546. ISSN 0166-2236. PMID 16859758. doi:10.1016/j.tins.2006.07.004. 
  20. Stanley, G. B.; Li, F. F.; Dan, Y. (1999년 9월 15일). “Reconstruction of natural scenes from ensemble responses in the lateral geniculate nucleus”. 《The Journal of Neuroscience: The Official Journal of the Society for Neuroscience》 19 (18): 8036–8042. ISSN 1529-2401. PMID 10479703. 
  21. Wessberg, J.; Stambaugh, C. R.; Kralik, J. D.; Beck, P. D.; Laubach, M.; Chapin, J. K.; Kim, J.; Biggs, S. J.; Srinivasan, M. A. (2000년 11월 16일). “Real-time prediction of hand trajectory by ensembles of cortical neurons in primates”. 《Nature》 408 (6810): 361–365. ISSN 0028-0836. PMID 11099043. doi:10.1038/35042582. 
  22. Carmena, Jose M.; Lebedev, Mikhail A.; Crist, Roy E.; O'Doherty, Joseph E.; Santucci, David M.; Dimitrov, Dragan F.; Patil, Parag G.; Henriquez, Craig S.; Nicolelis, Miguel A. L. (2003년 11월). “Learning to control a brain-machine interface for reaching and grasping by primates”. 《PLoS biology》 1 (2): E42. ISSN 1545-7885. PMC PMC261882 |pmc= 값 확인 필요 (도움말). PMID 14624244. doi:10.1371/journal.pbio.0000042. 
  23. Lebedev, Mikhail A.; Carmena, Jose M.; O'Doherty, Joseph E.; Zacksenhouse, Miriam; Henriquez, Craig S.; Principe, Jose C.; Nicolelis, Miguel A. L. (2005년 5월 11일). “Cortical ensemble adaptation to represent velocity of an artificial actuator controlled by a brain-machine interface”. 《The Journal of Neuroscience: The Official Journal of the Society for Neuroscience》 25 (19): 4681–4693. ISSN 1529-2401. PMID 15888644. doi:10.1523/JNEUROSCI.4088-04.2005. 
  24. Serruya, Mijail D.; Hatsopoulos, Nicholas G.; Paninski, Liam; Fellows, Matthew R.; Donoghue, John P. (2002년 3월 14일). “Instant neural control of a movement signal”. 《Nature》 416 (6877): 141–142. ISSN 0028-0836. PMID 11894084. doi:10.1038/416141a. 
  25. Taylor, Dawn M.; Tillery, Stephen I. Helms; Schwartz, Andrew B. (2002년 6월 7일). “Direct cortical control of 3D neuroprosthetic devices”. 《Science (New York, N.Y.)》 296 (5574): 1829–1832. ISSN 1095-9203. PMID 12052948. doi:10.1126/science.1070291. 
  26. Velliste, Meel; Perel, Sagi; Spalding, M. Chance; Whitford, Andrew S.; Schwartz, Andrew B. (2008년 6월 19일). “Cortical control of a prosthetic arm for self-feeding”. 《Nature》 453 (7198): 1098–1101. ISSN 1476-4687. PMID 18509337. doi:10.1038/nature06996. 
  27. Musallam, S.; Corneil, B. D.; Greger, B.; Scherberger, H.; Andersen, R. A. (2004년 7월 9일). “Cognitive control signals for neural prosthetics”. 《Science (New York, N.Y.)》 305 (5681): 258–262. ISSN 1095-9203. PMID 15247483. doi:10.1126/science.1097938. 
  28. Santucci, David M.; Kralik, Jerald D.; Lebedev, Mikhail A.; Nicolelis, Miguel A. L. (2005년 9월). “Frontal and parietal cortical ensembles predict single-trial muscle activity during reaching movements in primates”. 《The European Journal of Neuroscience》 22 (6): 1529–1540. ISSN 0953-816X. PMID 16190906. doi:10.1111/j.1460-9568.2005.04320.x. 
  29. Carmena, Jose M.; Lebedev, Mikhail A.; Crist, Roy E.; O'Doherty, Joseph E.; Santucci, David M.; Dimitrov, Dragan F.; Patil, Parag G.; Henriquez, Craig S.; Nicolelis, Miguel A. L. (2003년 11월). “Learning to control a brain-machine interface for reaching and grasping by primates”. 《PLoS biology》 1 (2): E42. ISSN 1545-7885. PMC PMC261882 |pmc= 값 확인 필요 (도움말). PMID 14624244. doi:10.1371/journal.pbio.0000042. 
  30. Lebedev, Mikhail A.; Carmena, Jose M.; O'Doherty, Joseph E.; Zacksenhouse, Miriam; Henriquez, Craig S.; Principe, Jose C.; Nicolelis, Miguel A. L. (2005년 5월 11일). “Cortical ensemble adaptation to represent velocity of an artificial actuator controlled by a brain-machine interface”. 《The Journal of Neuroscience: The Official Journal of the Society for Neuroscience》 25 (19): 4681–4693. ISSN 1529-2401. PMID 15888644. doi:10.1523/JNEUROSCI.4088-04.2005. 
  31. Anumanchipalli, Gopala K.; Chartier, Josh; Chang, Edward F. (2019년 4월). “Speech synthesis from neural decoding of spoken sentences”. 《Nature》 (영어) 568 (7753): 493–498. ISSN 0028-0836. doi:10.1038/s41586-019-1119-1. 
  32. Pandarinath, Chethan; Ali, Yahia H. (2019년 4월). “Brain implants that let you speak your mind”. 《Nature》 (영어) 568 (7753): 466–467. ISSN 0028-0836. doi:10.1038/d41586-019-01181-y. 
  33. Huber, Daniel; Petreanu, Leopoldo; Ghitani, Nima; Ranade, Sachin; Hromádka, Tomás; Mainen, Zach; Svoboda, Karel (2008년 1월 3일). “Sparse optical microstimulation in barrel cortex drives learned behaviour in freely moving mice”. 《Nature》 451 (7174): 61–64. ISSN 1476-4687. PMC PMCPMC3425380 |pmc= 값 확인 필요 (도움말). PMID 18094685. doi:10.1038/nature06445. 
  34. Nicolelis, Miguel A. L.; Lebedev, Mikhail A. (2009년 7월). “Principles of neural ensemble physiology underlying the operation of brain-machine interfaces”. 《Nature Reviews. Neuroscience》 10 (7): 530–540. ISSN 1471-0048. PMID 19543222. doi:10.1038/nrn2653. 
  35. “The Annual BCI Research Award 2014 - The Winners”. 2019년 5월 7일에 확인함.