사고의 원자: Microstates를 이용한 범용 EEG 표현 학습

요약

본 논문은 EEG 신호를 미세한 시간 규모의 뇌 활동 패턴인 마이크로스테이트(microstates)로 변환하여 범용적인 표현을 학습하는 방법을 제안합니다. 연속적인 EEG 신호를 이산적인 마이크로스테이트 시퀀스로 클러스터링하여 토크나이저를 구축하며, 이는 수면 단계 분류 및 감정 인식 등 다양한 다운스트림 태스크에서 기존 방식보다 뛰어난 성능을 보입니다.

핵심 포인트

• EEG 신호를 미세 시간 규모의 구성 요소인 마이크로스테이트로 이산화하여 토크나이저 구축
• 수면 단계 분류, 감정 인식, 운동 상상 분류 등 다양한 태스크에서 범용적 활용 가능
• 전통적인 시간 및 주파수 영역 특징 대비 우수한 성능 입증
• 높은 해석 가능성(interpretability)과 확장성(scalability)을 통한 인지 신경과학 및 임상 연구 응용 가능성 제시