Browse

PDMS-패럴린 기반 신경 전극 제작을 통한 후각 자극 뇌피질전도 신호 분류
A PDMS-Parylene Hybrid MultiChannel Electrode Array for Olfactory Cortical Interface

Cited 0 time in Web of Science Cited 0 time in Scopus
Authors
이우람
Advisor
서종모
Major
공과대학 전기·컴퓨터공학부
Issue Date
2017-08
Publisher
서울대학교 대학원
Keywords
두뇌-컴퓨터 인터페이스PDMS-패럴린 하이브리드평판형 전극볼록 전극주요 후각 망울패턴인식
Description
학위논문 (박사)-- 서울대학교 대학원 공과대학 전기·컴퓨터공학부, 2017. 8. 서종모.
Abstract
신경 조직의 손상을 최소화하고 삼차원 구조의 뇌조직과 효과적으로 인터페이스 할 수 있는 유연성 폴리머 기반에 평판형 미세 전극을 설계 및 제작하였으며 쥐의 후각영역담당 뇌피질 위에 삽입하여 특정 후각 자극에 의한 신경 신호의 패턴을 인식하고 분류하는 연구를 수행하였다.
전자코(Electronic nose)는 향기나 냄새 물질의 화학적 특성을 측정하고 분석한 장비로써 의료, 농업, 식품안전, 독극물 경고 등 다양한 분야에서 연구개발되어 사용되고 있다. 하지만 인공적으로 제작된 후각 센서의 경우 주변환경이 다채롭게 변하거나 다양한 냄세 물질이 혼합되어 있을 경우 안정적으로 후각 물질을 측정하기 어렵다. 반면에 사람과 동물의 후각 기관의 경우, 수 만가지 이상의 물질을 구별할 수 있으며 주변 환경 변화에도 강인한 특성을 보이고 높은 민감성을 보인다. 따라서 공항이나 군대에서는 동물들을 훈련시켜 마약이나 폭탄물 같은 물질을 감지한다. 하지만 이런 방식은 비용이 비싸고 훈련 기간이 길기 때문에 기존의 화학 센서를 대체하기에는 어려움이 있다. 신경접속기술을 이용하여 동물의 후각 담당 피질 영역의 신경 신호를 측정 후 패턴 인식을 통해 냄새 물질을 구별해 내는 연구가 활발히 이루어지고 있으며 이와 같은 방법으로 적은 비용으로 훈련기간 없이 동물의 후각 기관을 이용하여 냄새 물질을 찾을 수 있다. 본 연구에서는 쥐의 후각영역을 담당하는 뇌의 표면에서의 신호를 측정하여 냄새 물질을 구별해 내는 연구를 진행하였다.
조직 손상을 최소화 하면서 뇌 표면에 전극을 밀착시켜 부착하기 위해서는 유연한 기판으로 제작된 전극이 필요하다. 조직과의 유연성이 비슷한 PDMS로 제작된 생체 삽입 장치는 영률(Youngs modulus) 차이로 인해 발생되는 염증반응이나 조직 손상을 최소화 할 수 있으며 조직과의 접착력이 뛰어나 장시간 안정적으로 부착될 수 있다. 하지만 PDMS 기반에 미세전자기계시스템 (micro electro mechanical systems) 공정은 PDMS의 물리적 성질 때문에 금속 박리, 갈라짐, 열팽창등 많은 어려움을 가지고 있다. 이점을 개선하기 위하여 수 μm의 얇은 패럴린(Parylene-C) 박막을 이용해 PDMS 공정 단점을 보완한 공정 방식을 개발하였다. 또한 기존 전극에 오목 구조로 인해 발생되는 공기 갇힘현상과 신호 열화 현상을 방지하기 위하여 전극 표면이 가져야할 구조적 조건들에 대해 이론적으로 조사하였고, 이를 바탕으로 볼록한 언덕 구조를 가지는 전극을 제작하였다.
쥐의 후각 신경을 담당하는 주요 후각 망울(main olfactory bulb) 에 제작된 전극을 삽입하고 5가지 물질을 노출시켜 총 100개의 후각 신호를 측정하였다. 신호전처리(preprocessing) 과정을 거친 후 이산 복소 모렛 웨이블릿(discrete complex morlet wavelet) 변환을 이용해 특정 주파수 영역에서의 신경 신호 데이터를 추출하였다. 추출된 데이터를 주요성분분석(principle component analysis)을 통해 차원축소(dimension reduction)를 수행하였고 세가지 종류의 분류기(classifier)에 신경 신호 데이터를 학습시켜 후각 신경 신호의 패턴을 인식하고 분류하였다. 100개의 후각 신호중 랜덤하게 90개를 뽑아서 분류기 학습에 사용되었으며 나머지 10개로 학습된 분류기의 성능을 평가하였다. 총 10번의 반복 실험을 통해 얻는 결과를 평균하여 분류기의 정확도를 측정하였다. 분류기로 사용된 알고리즘은 선형 판별 분석(Linear discriminant analysis, LDA), 서포트 벡터 머신(Support vector machine, SVM), 다층인지(multilayer perception MLP) 방식이며 실험 결과 다층인지 방식이 다른 두 방식에 비해 월등한 성능을 보였다.
Language
Korean
URI
https://hdl.handle.net/10371/136785
Files in This Item:
Appears in Collections:
College of Engineering/Engineering Practice School (공과대학/대학원)Dept. of Electrical and Computer Engineering (전기·정보공학부)Theses (Ph.D. / Sc.D._전기·정보공학부)
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse