본 논문은 뇌의 복잡한 비선형 역동성이 인지 기능을 생성하는 방식을 이해하는 것을 목표로 합니다. 기존의 뇌 영상 분석은 선형성과 정상성을 가정하여 주파수 특이적 신경 계산을 포착하지 못하는 한계가 있습니다. 이를 해결하기 위해, 본 논문은 fMRI로부터 주파수 특이적 시공간 뇌 역동성을 명시적으로 모델링하는 최초의 Transformer 기반 프레임워크인 Multi-Band Brain Net (MBBN)을 제시합니다. MBBN은 생물학적으로 근거한 주파수 분해와 다중 대역 자기 주의 메커니즘을 통합하여 이전에는 감지할 수 없었던 주파수 의존적 네트워크 상호 작용을 발견할 수 있도록 합니다. UK Biobank, ABCD, ABIDE 세 가지 대규모 코호트의 49,673명의 개인을 대상으로 훈련된 MBBN은 정신과적 및 인지적 결과(우울증, ADHD, ASD) 예측에서 최첨단 성능을 보이며, 최대 52.5% 더 높은 AUROC를 보이는 분류 작업에서 특히 강점을 보입니다. 또한, 인지 지능 점수 예측을 위한 새로운 프레임워크를 제공합니다. 주파수 분해 분석을 통해 질병 특이적 서명을 밝혀냅니다. 예를 들어, ADHD에서는 고주파 전두-감각 운동 연결성이 약화되고, 작동성 체감각 노드가 동적 허브로 나타납니다. ASD에서는 안와 전두-체감각 회로가 국소적 고주파 장애를 보이고, 측두두정 접합부와 전전두엽 피질 사이의 초저주파 결합이 강화됩니다. MBBN은 척도 인식 신경 역동성과 심층 학습을 통합하여 더 정확하고 해석 가능한 바이오 마커를 제공하며, 정밀 정신의학과 발달 신경 과학에 대한 새로운 길을 열어줍니다.
