← 홈으로 돌아가기📊

Signal Processing

MNE-Python과 SciPy 기반의 연구용 EEG 신호 처리 파이프라인. 필터링부터 주파수 분석, 아티팩트 제거까지 브라우저에서 한 번에 처리합니다.

🔧 필터링 (Filtering)

원시 EEG 신호에서 원하지 않는 노이즈를 제거합니다. MNE-Python의 FIR 필터를 사용하여 신호 왜곡 없이 정확한 대역 추출이 가능합니다.

🎯

Band-Pass Filter

특정 주파수 대역만 통과시킵니다. 예를 들어 Alpha(8–13Hz) 리듬만 추출하거나, 0.1–40Hz 사이의 관심 대역만 남길 수 있습니다.

⚡

Notch Filter

전원 노이즈(한국 60Hz, 유럽 50Hz)를 선택적으로 제거합니다. 하모닉(120Hz, 180Hz 등)도 함께 처리 가능합니다.

📉

High-Pass Filter

느린 드리프트(baseline drift)를 제거합니다. 일반적으로 0.1Hz 이상의 신호만 남겨 DC 오프셋과 저주파 잡음을 효과적으로 차단합니다.

📐

Low-Pass Filter

고주파 노이즈(근전도 등)를 제거합니다. 통상 40Hz 이하만 통과시켜 뇌파 관련 주파수 성분만 깨끗하게 보존합니다.

# MNE-Python 필터링 예시
import mne

raw = mne.io.read_raw_edf("eeg_data.edf")
raw.filter(l_freq=1, h_freq=40)     # Band-pass 1–40Hz
raw.notch_filter(freqs=60)           # 60Hz 전원 노이즈 제거

📈 주파수 분석 (PSD)

Power Spectral Density 분석으로 EEG 신호의 주파수별 파워 분포를 시각화합니다. Welch 방법 또는 Multitaper 방법을 선택할 수 있습니다.

🌊

Welch Method

신호를 겹치는 세그먼트로 나누어 FFT를 적용한 뒤 평균합니다. 노이즈에 강하고 가장 널리 사용되는 PSD 추정 방법입니다.

🔬

Multitaper Method

여러 테이퍼 함수를 적용하여 주파수 해상도를 높입니다. 짧은 구간에서도 안정적인 스펙트럼 추정이 가능합니다.

🧬 주파수 대역별 파워

EEG 신호는 주파수 대역별로 서로 다른 뇌 활동 상태를 반영합니다.

대역주파수 범위관련 뇌 상태
Delta0.5 – 4 Hz깊은 수면, 무의식 상태
Theta4 – 8 Hz졸림, 명상, 기억 처리
Alpha8 – 13 Hz눈 감은 이완 상태, 안정 시
Beta13 – 30 Hz집중, 사고, 활동 상태
Gamma30 – 100 Hz고차 인지, 의식적 지각

🧹 아티팩트 제거

EEG 데이터에는 눈 깜빡임, 근전도, 움직임 등 다양한 아티팩트가 포함됩니다. 자동/수동 방법으로 깨끗한 신호를 추출합니다.

👁️

EOG (안전도) 제거

눈 깜빡임과 안구 운동에 의한 아티팩트를 ICA(독립 성분 분석)로 자동 식별하고 제거합니다.

💪

EMG (근전도) 제거

안면/두피 근육 수축에 의한 고주파 노이즈를 필터링합니다. 특히 Gamma 대역 분석 시 중요합니다.

📊

Peak-to-Peak 거부

진폭이 비정상적으로 큰 에폭(epoch)을 자동으로 감지하고 거부합니다. 임계값 기반으로 정확한 제어가 가능합니다.

🔄

ICA 분석

독립 성분 분석으로 뇌파와 아티팩트를 분리합니다. 자동 라벨링으로 아티팩트 성분만 선택적으로 제거할 수 있습니다.

💡

EasyEEG Web은 MNE-Python 1.x 기반으로 모든 처리를 수행합니다. 로컬 설치 없이 브라우저에서 .edf, .bdf, .fif 파일을 바로 업로드하여 분석할 수 있습니다.

지금 바로 분석을 시작하세요

MATLAB 라이선스 없이 브라우저에서 연구 수준의 EEG 신호 처리를.

무료로 시작하기 →