본 논문은 딥러닝의 발전과 함께 뇌-컴퓨터 인터페이스(BCI) 응용 분야에서 필수적인 요소가 된 뇌파(EEG) 신호 분석의 어텐션 메커니즘을 종합적으로 검토한다. 기존의 어텐션 메커니즘과 Transformer 기반 어텐션 메커니즘, 임베딩 전략, 그리고 특히 다중 모달 데이터 융합에 중점을 둔 EEG 기반 BCI 응용 분야를 다룬다. 시간, 주파수, 공간 채널에서 EEG 변화를 포착하여 특징 추출, 표현 학습, 모델 강건성을 향상시킨다. 기존의 어텐션 메커니즘은 일반적으로 합성곱 및 순환 신경망과 통합되며, Transformer 기반 다중 헤드 자기 어텐션은 장거리 의존성을 포착하는 데 뛰어나다. 단일 모달 분석을 넘어, 어텐션 메커니즘은 다중 모달 EEG 응용 프로그램을 향상시켜 EEG와 다른 생리적 또는 감각적 데이터 간의 효과적인 융합을 가능하게 한다. 마지막으로, 어텐션 기반 EEG 모델링의 기존 과제와 새로운 동향을 논의하고 BCI 기술 발전을 위한 미래 방향을 제시한다.
