---
title: "고등학생이 BCI를 구현하기까지의 여정"
url: https://agwo2.dev/my-annual-eeg-bci-report
author: "채은우 (Eunwoo Chae)"
date: 2025-01-12
tags: ["EEG", "BCI", "Python", "ML"]
summary: "EEG, BCI 관련 나의 연구 동향(?)을 알아보자!"
---

# 고등학생이 BCI를 구현하기까지의 여정

## 환영사

반갑습니다. 이번 블로그는 올해 제 가장 큰 관심사이기도 했던 EEG와 BCI에 대해 이야기를 해보려고 합니다. 사실 그냥 제가 활동한 거 정리하는 건데 그래도 재미있게 봐주시면 좋겠습니다! 각각 보고서는 작성해두었지만 아무래도 제 진로가 되어버린거 같은데 어떤 걸 했었는지 한 번 정리가 해보고 싶더라구요. 1학년 생명시간에 우연히 알게된 EEG와 BCI를 제가 이렇게나 좋아하게될 줄 누가 또 알았을까요? 무튼 그 흥미로운(?) 이야기 바로 한 번 시작합니다.

## 수업량 유연화

2024년에 제가 가장 처음으로 EEG 관련 활동을 시작하게된 건 수업량 유연화였습니다. 수업량 유연화란 저희 학교에서는 1학기 기말고사가 끝나고 나서 일주일동안 빠르게 진행하는 자율프로젝트 연구? 이런 느낌인데 학교마다 어떤 활동을 하는지는 다른 거 같더라구요. 저희 학교에서는 일주일을 잡고 팀을 이루어 하나의 주제에 대해서 연구하고 탐구하고 발표하는 시간을 가지곤 합니다. 저는 수업량 유연화에서 아래와 같은 주제를 가지고 진행하기로 하였는데요. 덕분에 기말 고사가 빨리 끝나길 강하게 기도하기도 하였었습니다. 뇌파 측정기를 이용해서 실제로 프로젝트를 해보는 게 너무나 설렜었거든요.

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Fce1d58ff-8217-4617-ba0e-3f7abc36289f%2Fimage.png?table=block&id=179379b3-360f-8093-8634-dd3d77ecc138)

### 그런데 뇌파라는 건 무엇인가요?

뇌파는 우리 뇌를 구성하는 신경세포들의 전기적 활동을 간접적으로 측정할 수 있는 전기 신호를 의미하는 데요. 우리의 뇌는 약 $10^9$~$10^{11}$개의 신경세포로 이루어져 있고 이로 인해 뇌파를 항상 존재하지만 우리가 특정한 무언가를 생각하고 느끼거나 특정 행동을 한다면 이러한 뇌파는 변화를 보이게 되죠. 그리고 이러한 특징이 우리가 뇌파를 이용하는 이유입니다.

### 그러면 뇌파를 통해 무엇을 한거죠?

수업량 유연화에서 만들어낸 산출물에 대해서 간단하게만 언급을 해보면 저희 팀의 주제는 위에 나와 있는 것처럼 휴식 솔루션이긴 한데 사실은 스트레스 정도를 바로 나타낼 수 있는 바이오 마커를 만들어보았다고 하는 것이 더욱 정확할 것 같습니다. 

#### 뇌파를 이용해서 어떻게 스트레스 정도를 나타낸 것이죠?

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F2c3ab405-fab2-4256-a952-3504729b90b4%2Fimage.png?table=block&id=179379b3-360f-80a5-b99e-fde43fdfe1f0)

뇌파는 주파수 대역에 따라서 크게 델타파, 세타파, 알파파, 베타파, 감마파로 구분할 수 있는데요. 베타파의 경우 각성 상태나 뇌의 과활성 상태를 의미하기에 휴식이나 안정 상태를 나타내는 알파파와의 비율을 통해서 스트레스 정도를 나타낼 수 있게 됩니다.

#### 이론을 검증하기 위한 실제 실험 진행

해당 이론을 직접 검증해보이기 위해서 수업량 유연화 기간동안 약 17명(남성: 9명, 여성: 8명)에 대해서 직접 스트레스 상황과 휴식, 안정 상태를 가정한 실험을 진행 하였는데요. STFT를 통한 주파수 변환을 거친 뒤 파워 스펙트럼 밀도(PSD)값을 통해 알파파와 베타파를 살펴 보았을 때 실제 실험 결과에서도 알파파에 비한 베타파의 비율이 크게 나타난 것을 확인할 수 있었습니다.

스트레스 상황

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Fb7efcbbc-0beb-4e47-85d9-51dfd7f62190%2F%25E1%2584%2589%25E1%2585%25B3%25E1%2584%258F%25E1%2585%25B3%25E1%2584%2585%25E1%2585%25B5%25E1%2586%25AB%25E1%2584%2589%25E1%2585%25A3%25E1%2586%25BA_2025-01-12_%25E1%2584%258B%25E1%2585%25A9%25E1%2584%2592%25E1%2585%25AE_11.28.55.png?table=block&id=179379b3-360f-80e6-b600-e272ec7576b9)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F54da71cb-6932-4eee-8a8a-87fdf30b3b11%2F%25E1%2584%2589%25E1%2585%25B3%25E1%2584%258F%25E1%2585%25B3%25E1%2584%2585%25E1%2585%25B5%25E1%2586%25AB%25E1%2584%2589%25E1%2585%25A3%25E1%2586%25BA_2025-01-12_%25E1%2584%258B%25E1%2585%25A9%25E1%2584%2592%25E1%2585%25AE_11.29.04.png?table=block&id=179379b3-360f-80a1-8438-ff5e763b05e4)

휴식, 안정 상태

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Fda2c78e3-60dc-4b15-ac99-c8f8971a1223%2F%25E1%2584%2589%25E1%2585%25B3%25E1%2584%258F%25E1%2585%25B3%25E1%2584%2585%25E1%2585%25B5%25E1%2586%25AB%25E1%2584%2589%25E1%2585%25A3%25E1%2586%25BA_2025-01-12_%25E1%2584%258B%25E1%2585%25A9%25E1%2584%2592%25E1%2585%25AE_11.30.13.png?table=block&id=179379b3-360f-80cb-8def-dbe58232d1d5)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F5b48b338-85a3-4c15-bb27-ecce70ff7c66%2F%25E1%2584%2589%25E1%2585%25B3%25E1%2584%258F%25E1%2585%25B3%25E1%2584%2585%25E1%2585%25B5%25E1%2586%25AB%25E1%2584%2589%25E1%2585%25A3%25E1%2586%25BA_2025-01-12_%25E1%2584%258B%25E1%2585%25A9%25E1%2584%2592%25E1%2585%25AE_11.30.55.png?table=block&id=179379b3-360f-80e9-9660-eaf4d08b20d5)

### 실제로 무엇을 만들었는가?

앞서 뇌파에서 알파파에 대한 베타파의 비율이 커질수록 스트레스 정도가 증가하는 경향에 대한 이론이 검증되었으니 이제 실시간으로 뇌파를 사용자로부터 수집하고 이를 실시간으로 나타내기 위해 노력 하였는데요. 

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Fb157e29a-8da5-49df-957c-7b44c38c0d89%2Fimage.png?table=block&id=179379b3-360f-80ef-9360-dafe576a09a5)

학교에서 사용하고 있는 뇌파 측정 장치는 laxtha의 [Poly-I](https://www.laxtha.com/ProductView.asp?Model=PolyG-I)라는 모델인데 아쉽게도 실시간으로 뇌파 데이터를 Python으로 내보내는 기능이 기본적으로 있지 않아서 해당 기능을 직접 만들어서 사용해야 했습니다. 다행히도 공식 홈페이지에서 WIN32 API DLL를 무상으로 제공하고 있어서 이를 통하여 보다 쉽게 프로그램을 만들 수 있었습니다. 

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Fd3ee84f7-d29f-411d-9527-77d47eceef2f%2Fimage.png?table=block&id=179379b3-360f-8015-9a83-e6522b87fe9b)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Ff9719302-99da-487e-a5a7-b239080b155d%2Fimage.png?table=block&id=179379b3-360f-8023-be57-caef96c8fb8c)

왼쪽 사진은 프로그램을 만들고 실행하여 뇌파 데이터를 받고 있는 모습인데요. USB를 통해 뇌파 측정 장치와 연결하고 뇌파 데이터를 왼쪽 사진과 같이 수신한 뒤에 이를 UDP 프로토콜을 통해 실시간으로 전송하도록 프로그램을 개발하였습니다. 굳이 UDP 프로토콜을 통해 데이터를 전송하도록 만든 이유는 측정된 뇌파 raw 데이터를 바로 확인하는 모니터를 따로 두고 싶기도 했고, 추후 프로젝트 확장성을 고려할 때 다른 컴퓨터에서도 손쉽게 뇌파 데이터를 바로 바로 받아볼 수 있도록 하는 것이 편할 것이라고 생각했기 때문이었습니다. 오른쪽 사진은 UDP 프로토콜 통신을 위해서 사용한 공유기인데 학교 내부망이 UDP 통신망을 구축하기에 부적합하여 따로 공유기를 사용하여 통신망을 구축하였습니다.

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Fd8afa267-ccd2-4bff-a48d-3817bd9e0365%2Fimage.png?table=block&id=179379b3-360f-80dd-99b8-e2fc3254073e)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F524f7345-4cda-4807-b3b2-38c473a50c6c%2Fimage.png?table=block&id=179379b3-360f-80d8-badc-dc331f3f99f5)

실시간 뇌파 데이터 전송에 성공한 이후에는 받은 뇌파 데이터를 Python을 이용하여 분석하는 부분도 개발 하였는데요. 위 실험에서도 사용한 STFT를 통해 UDP 프로토콜로 받은 뇌파 raw 데이터의 주파수 성분을 분석하고, 이를 왼쪽 사진에 보이는 것처럼 실시간 PSD를 나타내도록 프로그래밍하였습니다. (오른쪽 사진은 자습실인 양현재에서 프로그래밍을 하고 있을 때 모습인데, 뭔가 즐겁더라구요. 그래서 함 찍어봤습니다. ㅎㅎ)

### 결과

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Faecc9aad-f143-41a8-a889-319c02b6caa3%2F%25E1%2584%2589%25E1%2585%25B3%25E1%2584%258F%25E1%2585%25B3%25E1%2584%2585%25E1%2585%25B5%25E1%2586%25AB%25E1%2584%2589%25E1%2585%25A3%25E1%2586%25BA_2025-01-13_%25E1%2584%258B%25E1%2585%25A9%25E1%2584%258C%25E1%2585%25A5%25E1%2586%25AB_12.21.37.png?table=block&id=179379b3-360f-80e8-a736-c1368c90cf2b)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F364c2973-381d-43f6-8aae-ef56b1eab0ca%2FIMG_20240712_113939_1.jpg?table=block&id=179379b3-360f-8092-89e6-e72a28f584cd)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F70c0f244-c32e-4204-b04f-81611bf523b9%2FIMG_20240716_120755.jpg?table=block&id=179379b3-360f-806f-af68-e0ed95464b88)

저희 학교에서 진행하는 수업량 유연화는 같은 학년에서 먼저 발표를 진행하고, 우수팀으로 선정된 팀의 경우 전체 발표를 하게 되는데요. 2023년 수업량 유연화 때는 아쉽게도 전체 발표에 떨어져 아쉬었지만 이번에는 너무나 감사하게도 우수팀에 선정되어, 전체 발표 또한 진행하게 되었습니다. 2023년에 떨어지고 내년에는 반드시 전체 발표를 하고 말겠다고 했던 다짐이 지켜진 것 같아서 너무나 행복했던 것 같습니다. 발표 때 도와주신 생명과학 리나쌤 다시 한 번 감사드립니다. 덕분에 성공적으로 발표를 할 수 있었어요! 그리고 우리 이너피스팀 수고많았다~! 😊

## 과학동아리활동발표회

최대 관심사인 컴퓨터와 뇌를 활용한 연구는 바로 과학동아리활동발표회로 이어졌는데요. 1학년 때 우연히 결성된 공학에 관심이 큰 아이들끼리 만들었던 블랙스미스라는 자율동아리에서 로봇 팔을 제작하게 된 것입니다. 

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Fd0878542-bfdf-4dc9-8b9b-b6e5c844c87b%2FIMG_5032.jpg?table=block&id=179379b3-360f-80d2-948f-f3909c32d1bc)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Fc2e60fc3-0715-4f67-98d5-c6295164531d%2FIMG_20240718_170442.jpg?table=block&id=179379b3-360f-80b0-8f1b-e17f2be51248)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F88695895-e1ef-41c6-a5b7-d22ab5fbbaa9%2FIMG_20240718_200210.jpg?table=block&id=179379b3-360f-809a-8133-f66d89d54997)

로봇 팔을 만들고 나니 이를 컨트롤할 장치가 필요했는데 초기에 사용했던 굽힘 정도를 얻을 수 있는 플렉스 센서의 경우 손에 착용하여 로봇 팔을 제어할 수 있었지만 착용한 손에 제약이 생기고 센서 자체의 내구성이 매우 낮아 이를 대체할 다른 컨트롤러가 필요했습니다. 그래서 이를 대체할 컨트롤러로 뇌파를 이용해보기로 했죠. 이는 제게 BCI의 아주 기본을 만들어보는 경험이 되었습니다. 위에서 뇌파의 기본 개념에 대해서는 이미 다루었으니 어떻게 뇌파를 통해 로봇 팔을 제어하도록 만들었는 지에 대해서 중점적으로 한 번 얘기해보겠습니다.

### 일단 BCI란 무엇인가?

아까부터 계속 언급하고 있는 BCI는 Brain-Computer Interface의 약어인데요. 뇌와 컴퓨터가 직접적으로 상호작용할 수 있는 기술을 의미합니다. 우리 주변에서 흔히 사용하는 인터페이스 장치는 키보드나 마우스, 터치스크린 등이 있는 데 이것처럼 우리가 컴퓨터와 상호작용하기 위한 하나의 방식이라고 생각하시면 되겠습니다.

### 그럼 로봇 팔 제어는 어떻게 이루어졌나요?

앞선 수업량 유연화 연구에서는 단순히 STFT를 이용하여 주파수 성분을 나타내고 이를 통하여 스트레스 정도를 나타내는 것에 그쳤었는데요. 이번에는 생각을 통해 로봇 팔을 제어하는 것이 목적이기에 단순히 주파수 성분 분석으로는 BCI를 구현할 수 없었습니다.

#### 뇌파를 더욱 면밀히 분석해보기

뇌파는 사실은 우리의 눈에는 크게 들어나지 않지만 분석을 통해 일종의 패턴을 찾을 수 있는데요. 우리가 특정한 생각이나 행동을 하면 뇌파가 이에 따라 변화하기 때문에 이를 잘 인식해 낼 수만 있다면 이를 통해 컴퓨터와 소통을 할 수 있게 되는 것이죠. 그래서 이번 연구에서는 웨이블릿 변환과 SVM을 통하여 이러한 특징을 인식해내고, 이를 바탕으로 로봇 팔을 제어하도록 하였습니다.

#### SVM 모델을 학습시켜보자

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F1f6fba01-cab9-442e-99e8-63d5e34eb89e%2Fimage.png?table=block&id=179379b3-360f-8049-a25c-cfbf75d7272b)

SVM(Support vector machine)의 경우 신호처리 등의 분야에서 분류 및 회귀 문제에 활용되는 지도 학습 알고리즘인데요. 이는 데이터를 벡터로서 봤을 때 공간 상에서 클래스 사이 데이터 점들을 가장 잘 분류하는 초평면을 찾는 과정이라고 할 수 있습니다. 학습에 이용되는 무수한 데이터들 속에서 위 이미지에서 초록색 부분처럼 가장 큰 Margin을 가지는 초평면을 찾으면 앞으로는 이를 통해서 분류라는 문제를 풀어낼 수 있죠.

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Fe53e34ad-927a-42a0-83c2-653c33e99d55%2F%25E1%2584%2589%25E1%2585%25B3%25E1%2584%258F%25E1%2585%25B3%25E1%2584%2585%25E1%2585%25B5%25E1%2586%25AB%25E1%2584%2589%25E1%2585%25A3%25E1%2586%25BA_2025-01-13_%25E1%2584%258B%25E1%2585%25A9%25E1%2584%258C%25E1%2585%25A5%25E1%2586%25AB_1.27.49.png?table=block&id=179379b3-360f-8059-886f-fed2bd2c885a)

실제 학습에는 위와 같은 데이터셋을 이용하였는데 2008년 데이터이긴 하지만 비교적 최근(?)이기도 하고 motor imagery 데이터셋 중 가장 활용하기 편한 형태로 존재하길래 이용하였습니다. 

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F4204b39b-5e7f-41a9-8fba-5c5574ddb298%2Ff16ce9be-15ab-4e94-9113-0ab3a63a23b6.png?table=block&id=179379b3-360f-8047-8e1e-c3f2a12a2ada)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Fb08ffb33-0065-4342-98b4-f2fe99e292d7%2F5914d206-7f5b-425b-a244-07ad8b17beda.png?table=block&id=179379b3-360f-80cc-bf87-e92bdb2b358d)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Ff201e5ca-73d2-4f02-81ff-27c74157fcc8%2F%25E1%2584%2589%25E1%2585%25B3%25E1%2584%258F%25E1%2585%25B3%25E1%2584%2585%25E1%2585%25B5%25E1%2586%25AB%25E1%2584%2589%25E1%2585%25A3%25E1%2586%25BA_2025-01-13_%25E1%2584%258B%25E1%2585%25A9%25E1%2584%258C%25E1%2585%25A5%25E1%2586%25AB_1.39.08.png?table=block&id=179379b3-360f-808c-b687-e91cde08152e)

학습을 위해 임의로 하나의 데이터셋을 열어보았고, 사건 관련 전위 ERP(event-related potential)를 이용하는 것이기에 각각의 이벤트가 시간에 따라 기록되어 있는 것을 확인할 수 있었습니다.

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F5194d6bf-65f8-4fb4-9b2e-c7bc74f583da%2F%25E1%2584%2589%25E1%2585%25B3%25E1%2584%258F%25E1%2585%25B3%25E1%2584%2585%25E1%2585%25B5%25E1%2586%25AB%25E1%2584%2589%25E1%2585%25A3%25E1%2586%25BA_2025-01-13_%25E1%2584%258B%25E1%2585%25A9%25E1%2584%258C%25E1%2585%25A5%25E1%2586%25AB_1.41.42.png?table=block&id=179379b3-360f-801f-ab6e-fc8125ec69b7)

저는 그 중 학습에 사용할 Event 769, Event 770를 이용하여 학습에 사용할 수 있도록 epoch를 생성하였고, 해당 에포크들을 웨이블릿 변환을 통해서 주파수 성분으로 변환시킨 뒤 표준화하여 실제 SVM 모델 학습에 사용하였습니다. 이때 사용한 Event는 위 표에서 볼 수 있드시 왼쪽과 오른쪽 손을 상상하는 Event이며, 이를 통하여 오른쪽과 왼쪽을 상상하는 것을 분류하는 SVM 모델을 만들 수 있었습니다.

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Fa096ba9d-2d80-43ad-8e33-753a1b436a8b%2F%25E1%2584%2589%25E1%2585%25B3%25E1%2584%258F%25E1%2585%25B3%25E1%2584%2585%25E1%2585%25B5%25E1%2586%25AB%25E1%2584%2589%25E1%2585%25A3%25E1%2586%25BA_2025-01-13_%25E1%2584%258B%25E1%2585%25A9%25E1%2584%258C%25E1%2585%25A5%25E1%2586%25AB_1.36.29.png?table=block&id=179379b3-360f-803f-90dd-fc4b8a6494c0)

최종 모델의 정확도는 위와 같은데 0.6이면 굉장히 낮은 수치이지만 해당 모델의 경우 단일 Epoch에 대한 분류로 실제로 실시간 로봇 팔 제어를 위해 사용할 때에는 100ms 마다 받은 뇌파 데이터를 분류모델을 통해서 분류하고 일정 시간 동안의 값을 평균내어 사용함으로써 평균적으로 약 70퍼센트 이상의 정확도를 만들어낼 수 있었습니다.

### 결과

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F7f89f751-997b-4a8d-9bba-e4eef13749d5%2FIMG_20241027_185909.jpg?table=block&id=179379b3-360f-8002-879a-e7145c6ba830)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2Ff0affee1-2e07-4635-bcb5-a219f8090019%2FIMG_9189.jpeg?table=block&id=179379b3-360f-80dd-9d73-fe5a9ce65f1e)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F89ed8b1d-27a3-416e-a0bc-2767d9126e62%2FIMG_20241102_115405.jpg?table=block&id=179379b3-360f-804a-b957-ef2ee7258fad)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F9c8aa621-5253-484e-9d54-ff015e32a584%2FIMG_20240726_124551.jpg?table=block&id=179379b3-360f-8008-830a-f95d2a75ca12)

![](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F342e3572-6698-498c-b69e-db1b812e83c7%2F86e36962-c75d-4cd3-ba77-860445a85a1a%2FIMG_20241102_004345.jpg?table=block&id=179379b3-360f-80bb-9e4e-c02ceb65ddbb)

너무나 감사하게도 결과는 있었는데요. 도대회에서는 창의인재상을, 그리고 도대표로 출전한 전국대회에서는 동상을 받을 수 있었습니다. 그런데 솔직히 이번 연구는 결과를 떠나서 그냥 함께 활동하는 것 자체가 너무나 즐거웠던 것 같아요. 자율 동아리여서 특별히 주는 시간도 없는데 시간을 쪼개고 방학에도 학교에 나오며 아이들과 함께 했던 순간들이 저에게는 더 큰 보람이자 원동력이었던 것 같습니다. 무엇보다 처음으로 BCI를 구현했다는 점이 너무나 뿌듯하기도 하고요. 아직도 처음으로 BCI를 구현해내었던 새벽의 전율이 생생한 것 같습니다.

## 끝인사

한 번쯤은 정리 해야겠다 싶었던 2024, 컴퓨터와 뇌 이야기를 드디어 정리하게 되었는데요. 이 글을 쓰면서 다시 제가 했던 연구들을 봐보니 부족한 부분들도 너무나 눈에 잘 보이는 것 같습니다. 성장한 것처럼 느껴지기도 하고 이 글을 볼 여러분 앞에 부끄럽기도한 것 같네요. 이번 2학년을 마치면서 저는 아무래도 진로가 이 쪽으로 확실히 정해진듯 한데요. 물론 사람일은 모르는 것 이라지만 현재로서는 어릴 때부터 너무나 좋아했던 컴퓨터와 직접적으로 소통할 수 있도록 하는 기술인 BCI가 너무나도 매력적인 것 같습니다. 제가 글쓰는 걸 좋아하긴 하지만 글 솜씨가 뛰어난 편은 아니라 아마 여기까지 읽으셨다면 고생 많이하셨을 것 같습니다. 그럼에도 읽어주셔서 감사드리고, 혹시나 이상한 내용이 있다면 제게 말씀해주시거나 댓글로 적어주시면 바로 고쳐보도록 하겠습니다. 그러면 이상으로 나의 최대 관심사, 컴퓨터와 뇌 글을 마쳐볼게요. 얼런 자야겠습니다! 감사합니다.

---
출처: https://agwo2.dev/my-annual-eeg-bci-report