본 논문은 주의력결핍 과잉행동장애(ADHD) 진단을 위한 새로운 Transformer 모델을 제안합니다. 제안된 모델은 정지 상태 기능적 자기 공명 영상(rs-fMRI) 데이터로부터 중요한 뇌 시공간 바이오마커를 동시에 효과적으로 찾아냅니다. CNN 기반 임베딩 블록을 사용하여 뇌 영역의 표현력 있는 임베딩 특징을 추출하고, 지역적 시간적 주의 메커니즘과 ROI 순위 기반 마스킹을 통해 개별 시공간 특징에 대한 주의를 개선합니다. ADHD-200 경쟁 데이터(939명)를 사용한 실험 결과, 제안된 모델은 다른 Transformer 변형 모델들보다 우수한 성능(ACC 77.78%, SPE 76.60%, SEN 79.22%, AUC 79.30%)을 보였습니다. 이는 지역적 BOLD 신호 학습과 ADHD 진단에 중요한 관심 영역(ROI) 식별에 중점을 둔 결과입니다.
