본 연구는 대규모 뇌 영상 데이터셋의 증가에 따라 신경 영상 분야에서 등장한 파운데이션 모델을 연구하며, 특히 휴지기 fMRI (resting-state fMRI)에서 지역 기반 재구성을 위한 전략을 탐구합니다. 연구진은 무작위 영역 마스킹을 넘어, AAL3 아틀라스를 활용한 ROI(관심 영역)-가이드 마스킹 전략을 도입하여 자기 지도 학습을 수행했습니다. ADHD-200 데이터셋을 사용하여, 제안된 방법이 기존 무작위 마스킹 방식보다 ADHD 환자와 건강한 대조군을 구별하는 분류 정확도를 4.23% 향상시켰습니다. 또한, 림빅 영역과 소뇌가 재구성 충실도와 모델 표현에 가장 크게 기여한다는 것을 밝혀냈습니다.
