DeepTokenEEG: 토큰화된 EEG 특징을 통한 경도 인지 장애 및 알츠하이머 분류 성능 향상

알츠하이머병 (Alzheimers disease, AD)의 탐지는 적시 개입이 환자의 결과를 개선할 수 있기 때문에 매우 중요한 것으로 간주됩니다. 뇌전도 (Electroencephalogram, EEG) 기반 진단은 AD 탐지를 위한 비침습적이고 접근 가능하며 비용 효율적인 접근 방식으로 인정받아 왔으나, 데이터 가용성, 현대 딥러닝 (deep learning) 방법의 정확성, 그리고 전문가 기반 해석의 시간 소모적인 특성과 관련된 과제에 직면해 있습니다. 본 연구에서는 AD 진단 및 AD 환자, 기타 신경계 질환을 가진 개인, 그리고 건강한 피험자의 EEG 신호 분류를 위해 설계된 새롭고 가볍고 고성능인 모델인 DeepTokenEEG를 제안합니다. 기존의 무거운 모델들과 달리, DeepTokenEEG는 단 0.29백만 개의 파라미터 (parameters)만으로 시간 및 주파수 영역 모두에서 AD 관련 바이오마커 (biomarkers)를 효과적으로 포착하는 공간 및 시간 토크나이저 (spatial and temporal tokenizer)를 활용합니다. 180명의 AD 사례와 94명의 건강한 대조군을 포함하여 총 274명의 피험자로 구성된 결합 데이터셋에서 학습된 제안된 방법은 특정 주파수 대역에서 최대 100%의 기록된 정확도를 달성하였으며, 이는 동일한 데이터셋에 대한 최신 기술 (state-of-the-art) 방법들보다 1.41-15.35% 향상된 수치입니다. 이러한 결과는 DeepTokenEEG가 AD의 조기 탐지 및 선별에 대한 잠재력을 가지고 있음을 나타내며, 컴팩트한 크기 덕분에 배포 측면에서도 유망한 적용 가능성을 보여줍니다.