NeuroAgent: LLM Agents for Multimodal Neuroimaging Analysis and Research
요약
NeuroAgent는 이질적인 다중 모달리티 신경영상 데이터(sMRI, fMRI, dMRI, PET 등)의 전처리 및 분석 과정을 자동화하는 LLM 기반 에이전트 프레임워크입니다. 이는 자연어 쿼리를 통해 하류 분석을 인터랙티브하게 지원하며, 피드백 구동 Generate-Execute-Validate 엔진과 계층적 다중 에이전트 구조를 활용합니다. 연구 결과에 따르면, NeuroAgent는 ADNI 데이터셋에서 높은 전처리 정합성을 달성하고, 알츠하이머병 진단 등 복잡한 임무에서 여러 모달리티의 단일 베이스라인을 능가하는 우수한 성능(AUC 0.9518)을 보여주었습니다.
핵심 포인트
- NeuroAgent는 다중 모달 신경영상 데이터 분석의 복잡성을 해결하기 위해 설계된 LLM 기반 에이전트 프레임워크입니다.
- Generate-Execute-Validate 엔진과 계층적 다중 에이전트 구조를 사용하여 전처리 코드 생성, 런타임 오류 감지 및 자동 복구 기능을 제공합니다.
- 다양한 모달리티(sMRI, fMRI, dMRI, PET)의 통합 분석을 통해 알츠하이머병 진단 등에서 높은 성능(AUC 0.9518)을 달성했습니다.
- LLM 백엔드 최적화 연구를 통해 최대 100%의 인텐트-퍼싱 정확도와 84.8%의 엔드 투 엔드 전처리 단계 정합성을 입증했습니다.
다중 모달 신경영상 분석은 이질적인 툴체인을 가로지르는 세밀한 설정, 품질 관리 및 조정 필요하는 복잡한 모달리티 특이 전처리 워크플로우를 포함합니다. 전처리 외에도 하류 통계 분석 및 질병 분류는 종종 임무 특성 코드, 평가 프로토콜 및 데이터 포맷 관습을 필요로 하여 원본 획득과 재현 가능한 과학적 분석 사이의 추가 장벽을 만듭니다. 우리는 NeuroAgent 를 제시하며, 이는 이질적인 신경영상 데이터 (sMRI, fMRI, dMRI, PET 포함) 에 대한 핵심 전처리 및 분석 단계를 자동화하는 LLM 기반 에이전트 프레임워크이며 자연어 쿼리를 통해 하류 분석을 인터랙티브하게 지원합니다. NeuroAgent 는 피드백 구동 Generate-Execute-Validate 엔진을 사용한 계층적 다중 에이전트 구조를 사용합니다: 에이전트는 실행 가능한 전처리 코드를 자동으로 생성하고, 런타임 오류를 감지하며 복구하며, 출력 무결성을 검증합니다. 우리는 ADNI 모든 단계 (CN=1,000, AD=470) 에서 풀린 1,470 명의 주체에서 시스템을 평가했으며, 모든 주체는 sMRI 및 표본 데이터를 가지고 있으며, 일부는 Tau-PET (n=469), fMRI (n=278), DTI ($n=620$) 도 가지고 있습니다. 다중 LLM 백엔드에서의 파이프라인 아벨레이션 연구는 능숙한 모델이 최대 100% 의 인텐트-퍼싱 정확도를 달성하며, 가장 강력한 백엔드 (Qwen3.5-27B) 는 84.8% 의 엔드 투 엔드 전처리 단계 정합성을 달성함을 보여줍니다. 자동 복구 제한은 인간 검토가 필요한 에지 케이스에 대한 수동 개입을 제한합니다. 인간 - 인 - 더 - 루프 인터페이스를 통해. 알츠하이머 병 진단을 위해 자동으로 전처리된 다중 모달 데이터를 사용하여, 우리 에이전트 앙상블은 4 가지 모달리티에서 AUC 0.9518 을 달성하며 모든 단일 모달리티 베이스라인을 능가합니다. 이러한 결과는 NeuroAgent 가 신경영상 전처리에 필요한 수동 노력을 줄일 수 있으며 신경영상 연구용 엔드 투 엔드 자동 분석 파이프라인을 가능하게 함을 보여줍니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기