본 논문은 뇌파(EEG) 데이터를 처리하는 자기지도학습 기반 EEG 기초 모델(EEG-FM)의 초기 연구들을 체계적으로 검토한 연구입니다. 10개의 초기 EEG-FM을 분석하여, 대부분이 Transformer 기반의 시퀀스 모델링 방식과 마스크된 시퀀스 재구성을 자기지도학습 방식으로 사용함을 확인했습니다. 하지만 모델 평가의 이질성과 제한적인 측면으로 인해 실제 활용 가능성을 평가하기 어렵다는 점을 지적합니다.
시사점, 한계점
•
시사점:
◦
EEG-FM 연구의 현황과 미래 방향을 제시합니다.
◦
EEG-FM의 주요 모델링 방식과 한계점을 밝힙니다.
◦
표준화된 평가 및 실제 활용 가능성 평가의 필요성을 강조합니다.
◦
도메인 전문가와의 협력을 통한 벤치마크, 소프트웨어 도구 개발의 중요성을 제시합니다.
•
한계점:
◦
EEG-FM에 대한 평가가 이질적이고 제한적입니다.
◦
실제 활용 가능성에 대한 검증이 부족합니다.
◦
모델의 확장성에 대한 충분한 증명이 부족합니다.
◦
EEG 표현 학습 파이프라인 전반에 걸친 원칙적이고 신뢰할 수 있는 선택의 부족을 지적합니다.
