본 논문은 뇌 영상(fMRI)을 이용한 신경 발달 장애 진단을 위한 새로운 틀인 **Comorbidity-Informed Transfer Learning (CITL)**을 제시합니다. CITL은 전이 학습과 의사 라벨링을 결합하여 fMRI의 시간적 영역에서 간섭 패턴을 제거하고, 인코더-디코더 아키텍처를 사용하여 새로운 표현을 생성하는 강화된 표현 생성 네트워크를 사용합니다. 이렇게 생성된 새로운 표현은 단순한 구조의 분류 네트워크에서 학습되어 컴퓨터 보조 진단(CAD) 모델을 생성합니다. 특히, 신경 발달 장애의 동반 질환 기전을 고려하고, 준지도 학습 및 전이 학습과 효과적으로 통합하여 학제 간 새로운 관점을 제공합니다. 실험 결과, 자폐 스펙트럼 장애와 주의력 결핍 과잉 행동 장애 검출에서 각각 76.32%와 73.15%의 경쟁력 있는 정확도를 달성하여 기존 전이 학습 연구보다 각각 7.2%와 0.5% 향상된 성능을 보였습니다.
