본 논문은 전 세계적으로 6500만 명 이상에게 영향을 미치는 흔한 신경 질환인 간질의 발작을 빠르고 정확하게 감지하는 새로운 딥러닝 기반 모델인 SeizureTransformer를 제안합니다. 기존의 딥러닝 기반 발작 감지 방법들은 많은 후처리가 필요하고 EEG 데이터의 장기 패턴을 효과적으로 처리하지 못하는 한계를 가지고 있습니다. SeizureTransformer는 1D 합성곱을 사용하는 심층 인코더, 잔차 CNN 스택과 트랜스포머 인코더(이전 출력을 상황 정보를 포함한 고차원 표현으로 임베딩), 그리고 발작의 유무를 각 시간 단계마다 직접적으로 나타내는 확률 시퀀스로 변환하는 간소화된 디코더로 구성됩니다. 공개 및 비공개 EEG 발작 감지 데이터셋에 대한 광범위한 실험 결과, 제안된 모델은 기존 방법들을 상당히 능가하며 (2025년 국제 인공지능 기반 간질 및 기타 신경 질환 학회에서 개최된 발작 감지 경진대회에서 1위를 차지) 실시간 정밀 발작 감지의 잠재력을 보여줍니다.
