목적: 본 연구는 외상후 스트레스장애(posttraumatic stress disorder, PTSD) 환자에서 치료 반응 예측을 향상시키기 위해, 뇌파(electroencephalogram, EEG) 데이터에 대해 변분 오토인코더(variational autoencoder, VAE) 기반 데이터 증강(data augmentation, DA) 접근법을 적용하고자 하였다. 방법: PTSD로 진단된 환자로부터 EEG 스펙트로그램을 수집하였다. VAE 모델을 원래의 스펙트로그램에 대해 사전학습(pretrained)한 후, 증강 데이터 샘플을 생성하는 데 사용하였다. 이렇게 생성된 증강 스펙트로그램을 딥 신경망(deep neural network, DNN) 분류기 학습에 활용하였다. 모델의 성능은 DA를 적용하여 학습한 모델과 적용하지 않은 모델 간의 수신자조작특성곡선(receiver operating characteristic curve, AUC) 아래 면적(area under the curve, AUC)을 비교하여 평가하였다. 결과: VAE로 증강된 EEG 데이터를 사용해 학습한 DNN은 치료 반응을 예측하는 데 AUC 0.85를 달성하였으며, 이는 증강 없이 학습한 모델보다 0.11 높은 값이었다. 이는 분류 성능과 모델 일반화(model generalization)의 유의한 향상을 반영한다. 결론: VAE 기반 DA는 임상 환경에서의 제한된 EEG 데이터라는 문제를 효과적으로 해결하고, PTSD 환자의 치료 반응 예측을 위한 DNN 모델의 성능을 향상시킨다. 본 접근법은 소규모 데이터셋을 포함하는 향후 EEG 기반 신경정신의학(neuropsychiatric) 연구를 위한 유망한 방향을 제시한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.