본 연구는 기존 정상상태 시각유발전위(SSVEP) 기반 BCI의 분류성능과 ITR 향상을 위해 SSVEP와 동공 빛 반사 (PLR)를 결합한 새로운 하이브리드 BCI 시스템을 제안하는 것을 목적으로 하였다. 8명의 실험 참가자가 연구에 참 여했으며, 4-class의 시각 자극에 대해 SSVEP와 Hybrid 패러다임의 성능을 비교했다. 선행연구를 기반으로 SSVEP 시각 자극을 선택했고 SSVEP와 PLR의 동시 유발을 위한 Hybrid 시각 자극이 개발되었다. Hybrid 패러다임 (94.79%, 24.90 bits/min)은 SSVEP(84.58%, 18.93 bits/min) 대비 정확도와 ITR에서 각각 10.21%, 5.97 bits/min 향 상을 보였다. BCI 문맹 그룹은 Hybrid에서 92.67%로 SSVEP(76.33%)보다 16.33% 높았으며, 정상 그룹은 두 패러다 임 사이에 차이가 없었다. 또한, SSVEP 패러다임은 채널 수 증가에 따라 분류정확도가 84.6%에서 90.8%까지 점진 적으로 상승했지만, Hybrid 패러다임은 차이가 없었다. 제안된 하이브리드 BCI는 분류성능 및 ITR 상승뿐만 아니라 BCI 문맹 문제 해결, 사용성 향상을 기반으로 다양한 산업 분야 및 애플리케이션으로의 확장과 장애인뿐만 아니라 비장애인을 대상으로 하는 서비스 제공을 통해 실용적이고 광범위한 활용에 기여할 수 있을 것으로 기대된다.

본 연구는 동적 밝기 변화 패턴이 포함된 시각 자극을 이용한 동공 빛 반사 기반 인터페이스 기술 개발을 그 목적으로 한 다. 동적 밝기 변화 패턴(휘도 0과 255 사이의 변화)의 시각 자극 10종을 개발하였고 3초 동안 시각 자극 패턴 변화를 응시 하는 태스크를 통해 동공 반응을 측정 및 분석했다. 하나의 trial은 10종의 시각 자극이 한 번씩 무작위의 순서로 제시되는 것으로 정의되었고, 전체 실험은 총 12 trials로 진행되어 각 시각 자극은 120회 반복되었다. 다섯 가지 딥러닝 시퀀스 모델 중 TCN이 가장 높은 성능을 나타내었고 10명의 실험 참가자에 대해 94.01±3.94%(56.64±6.01 bits/min)의 분류 성능이 확 인되었다. PLR은 사용자 학습 및 훈련이 요구되지 않는 직관적인 인터페이스 기술이고 다양한 시각 자극 패턴의 개발을 통 한 높은 확장성을 가지고 있다는 점에서 향후 그 가치가 주목되는 기술로 판단된다.