Brain-to-Music : Implementation of EEG-based user-friendly music composition algorithm

뇌파를 기반으로 음악을 만들고자 하는 시도는 알파(8Hz-12.99Hz)파의 진폭이나 단순한 특징을 이용해 음악을 작곡하는 알고리즘부터, 스트레스 상태를 분석하고 이를 완화하기 위한 음악을 작곡하는 알고리즘까지 다양한 방법들로 이루어져 왔다. 앞선 연구들과 차별점을 두어 뇌파를 통해 자신의 감정 상태를 잘 나타내기 위한 음악을 작곡하는 알고리즘을 구현하고자 하였다. 뇌파에서 다양한 Feature들을 추출하고, 이를 이용해 감정분석 모델 및 작곡 알고리즘을 구현하였으며, 작곡 시 원하는 악기를 선택할 수 있도록 하였다. 또한 이를 GUI 형태의 어플리케이션으로 제작하여 사용자가 쉽게 이해하고 다룰 수 있도록 하였다. 우리가 제시하는 작곡 알고리즘을 통해 사용자는 자신 내면의 감정을 한층 더 깊이 이해할 수 있을 것이다.

---

사용한 라이브러리:

• Python 3.7 or higher
• Key Libraries:

  pip install pyqt5 numpy scipy pandas scikit-learn mido pretty_midi matplotlib jupyter

---

Directory:

SWC_DACapstoneDesign/
├── GUI/                        # PyQt5 frontend application code
├── code/                       # Core signal‑to‑music pipeline
│   ├── application.py          # Entry point launching the GUI
│   ├── feature_extractor.py    # EEG feature computation
│   ├── emotion_analysis_model.py  # Trained arousal/valence classifiers
│   ├── convert_signal_to_music.py # Maps features to MIDI events
├── model/                      # Machine learning model files (pretrained weights)
├── music/                      # Sample output MIDI files
├── music_control_feature/      # Feature‑specific MIDI control configurations
├── notebook/                   # Jupyter notebooks for data exploration and training
├── [2021 하반기 LINC 캡스톤디자인 경진대회 수상] 포스터.pdf   # Competition poster
├── [데이터분석 캡스톤디자인] 최종 발표자료.pdf             # Final presentation slides
└── README.md                   # Project overview (this file)

• GUI : PyQT를 이용해 제작한, Graphic User Interface를 사용하기 위한 코드

• code :

  • application.py : Application을 실행시키는 Main File
  • convert_signal_to_music.py : 뇌파 신호를 음악으로 변환하기 위한 알고리즘을 구현한 코드
  • emotion_analysis_model.py : 학습된 모델을 이용하여 뇌파의 감정을 분석하기 위한 코드
  • feature_extractor.py : 뇌파에서 다양한 feature를 추출하기 위한 코드

• model : 감정분석을 위해 뇌파 데이터에서 추출한 Feature를 이용하여 Arousal과 Valence를 각각 예측하는 이진 분류 기계학습 모델

• music : Application을 이용해 뇌파를 음악으로 변환한 Sample midi file

• music_control_feature :

  • high/low_kurtosis : Volume을 조절하기 위해 기존 데이터에서 Kurtosis를 분석한 결과

---

실행방법:

0. code폴더의 application.py를 실행하여 어플리케이션 시작
1. EEG Data를 상단의 Box에 Drag and Drop
2. Extract Feature를 통해서 EEG Data에서 필요한 특성들을 추출
3. Emotion Analysis를 통해서 현재 사용자의 EEG Data에 대한 Arousal과 Valence 예측
4. 좌측 하단에서 사용자가 원하는 악기를 선택
5. Convert Signal to Music를 통해서 EEG Data를 이용하여 Midi File 생성 및 저장
6. Reset 버튼을 통해서 기존의 내용을 초기화

Notes

• EEG file format: Ensure input files are in .csv format with channel headers matching the 10–20 system.
• Model retraining: Training scripts and datasets are available in the notebook/ directory for customizing emotion classifiers.
• MIDI customization: Modify music_control_feature/ configurations to adjust mapping between EEG features and musical parameters.

---