기존 Mamba 아키텍처의 장점을 활용하여 기능적 자기공명영상(fMRI) 데이터 기반의 신경학적 바이오마커 발견을 위한 새로운 모델인 기능적 시공간 Mamba (FST-Mamba)를 제안합니다. FST-Mamba는 fMRI에서 추출한 동적 기능적 연결성(dFNC)을 처리하기 위해 계층적 시공간 Mamba 기반 네트워크를 사용하며, 공간 및 시간 정보를 Mamba 기반 인코더를 통해 개별적으로 처리합니다. FNC 매트릭스의 위상적 고유성을 활용한 구성요소별 다양한 규모의 집계(CVA) 메커니즘을 도입하여 뇌 네트워크 내 개별 구성요소 간의 연결성을 집계함으로써 구성요소 수준 및 네트워크 수준의 정보를 모두 포착합니다. 또한, FNC 매트릭스의 대칭적 특성을 고려하여 각 기능적 연결의 상대적 위치를 인코딩하는 대칭 회전 위치 인코딩(SymRope)을 제안합니다. 실험 결과, 다양한 뇌 기반 분류 및 회귀 작업에서 제안된 FST-Mamba 모델의 성능이 크게 향상됨을 보여줍니다. 또한 예측에 중요한 뇌 연결성 및 역동성을 보여줍니다. 본 연구는 주의 메커니즘이 없는 시퀀스 모델링이 뇌 연구에 상당한 잠재력을 가지고 있음을 보여줍니다. 소스 코드는 공개적으로 제공됩니다.
