Cross-Subject Intracranial EEG Reconstruction from Scalp Recordings Using Multi-Scale Cross-Attention Transformers

작성자

Haebom

카테고리

Empty

저자

Tien-Dat Pham, Xuan-The Tran

💡 개요

이 연구는 침습적인 수술 없이 두피 EEG 신호로부터 뇌심부 EEG(iEEG) 신호를 복원하는 것을 목표로 합니다. 환자별 모델 의존성을 해결하기 위해, 본 논문은 환자 독립적인 iEEG 복원을 위한 CAST(Cross-Attention Spatial-Temporal Transformer)라는 다중 스케일 교차 주의 트랜스포머 기반 프레임워크를 제안합니다. CAST는 두 단계의 전이 학습 전략을 통해, 다양한 해상도의 다중 스케일 신경 표현을 추출하고 소량의 대상 환자 데이터로 디코더를 보정하여 iEEG 신호를 예측합니다.

🔑 시사점 및 한계

•

환자 독립적인 iEEG 복원 가능성 제시: 수술을 받지 않은 환자로부터도 iEEG 신호를 효과적으로 복원할 수 있음을 실험적으로 입증했습니다.

•

두피 근접 피질 신호 복원에 강점: CAST 모델이 두피 표면에 가까운 피질 신호를 깊은 뇌 심부 활동보다 훨씬 더 잘 복원한다는 것을 보여주었습니다.

•

짧은 보정 시간으로 높은 성능 달성: 극소량의 환자별 데이터만으로도 모델을 새로운 하드웨어 구성에 맞춰 조정하고 높은 상관관계(최대 r=0.864)를 얻을 수 있음을 확인했습니다.

•

심부 뇌 신호 복원의 어려움: 본 연구에서는 두피 근접 신호 복원에서 우수한 성능을 보였지만, 더 깊은 뇌 심부 신호의 복원에는 여전히 한계가 있음을 명시하고 있습니다.

PDF 보기

Made with Slashpage