뇌파 기반 작업 부하 분석 성능 및 설명력 향상
- •연구진이 데이터 증강 기술을 활용해 뇌파 기반 정신 작업 부하 분류 정확도를 82.7%로 높였다.
- •SMOTE 기법을 적용하여 기존 80.5% 대비 약 3%의 통계적으로 유의미한 성능 향상을 달성했다.
- •SHAP 분석을 통해 두정-후두엽 및 측두엽 채널이 정신 작업 부하 판단에 핵심적임을 규명했다.
연구진은 2026년 5월 20일 발표된 연구를 통해 뇌파(EEG) 신호를 이용한 정신 작업 부하(MWL) 분류 모델의 성능을 향상시키는 프레임워크를 제시했다. 해당 연구는 2021년 뉴로에르고노믹스 컨퍼런스(Neuroergonomics Conference 2021)에서 공개된 뇌-컴퓨터 인터페이스(BCI)용 뇌파 데이터셋을 활용해 정신 작업 부하를 '낮음', '중간', '높음'의 3단계로 분류했다.
연구팀은 성능 최적화를 위해 데이터 증강 기술인 SMOTE(합성 소수 오버샘플링 기법)를 적용하여 합성 뇌파 샘플을 생성했다. 또한, 신경망 모델인 EEGNet의 하이퍼파라미터 F1, F2, D를 체계적으로 조정하여 최적의 구성을 도출했다. 실험 결과, SMOTE를 적용하지 않았을 때는 80.5%의 정확도를 기록했으나, SMOTE를 도입한 경우 82.7%의 정확도를 달성하며 약 3%의 성능 향상을 보였다. 윌콕슨 부호 순위 검정 결과, 이러한 향상은 통계적으로 유의미한 수준(p < 0.05)으로 확인됐다.
모델의 해석 가능성을 높이기 위해 SHAP 분석을 수행한 결과, 정신 작업 부하 분류에 가장 유의미한 뇌파 채널은 두정-후두엽 및 측두엽 영역에 위치하는 것으로 나타났다. 이는 기존 신경생리학적 연구 결과와 일치한다. 이번 연구는 인도 보팔의 마울라나 아자드 국립 기술 대학교(Maulana Azad National Institute of Technology) 산하 뇌-컴퓨터 인터페이스 연구소에서 수행됐으며, 모델의 예측 성능과 설명력을 동시에 개선했다는 데 의의가 있다.