강태훈  조성배

10.5626/JOK.2025.52.11.954

기능적자기공명영상 뇌 질환 진단 멀티 태스크 사전학습 도메인 정렬

기능적 자기공명영상(fMRI)은 뇌 질환의 진단 및 병태생리 이해에 중요한 기술인데, 개인 간 차이가 큰 고차원 잡음 데이터이기 때문에 뇌의 이상 패턴을 정확하게 식별하기 어렵다. 특히, 데이터 수집 과정에서 발생하는 프로토콜 간 이질성은 모델 학습 시 부정적 전송을 유발하여 성능 저하를 초래한다. 본 논문에서는 이를 해결하기 위해 멀티 태스크 러닝을 활용한 교차 도메인 정렬 방법을 제안하여 데이터 소스 간 이질성을 제어하고 뇌의 본질적 정상 및 이상 패턴을 정렬한다. 다중 도메인에서 관측되는 공통 및 차별적 특징을 정렬함으로써, 여러 데이터 세트에서 공유되는 정상 및 이상 패턴을 효과적으로 학습한다. 실생활에서 수집된 4가지 질병 데이터셋을 기반으로 2424명의 임상 데이터에 대해 실험한 결과, 제안된 방법이 기존의 단일 질병 학습 방식보다 높은 일반화 성능을 보임과 동시에 부정적 전송 문제를 감소시킴을 확임함으로서, 제안 방법이 뛰어난 뇌 질병 진단 성능을 보이는 것을 검증했다.