설명가능 ROI 선택 기반 자폐 스펙트럼 장애 진단 연구

Explainability-guided ROI selection for ASD diagnosis via inter-regional relation learning

연구 내용

rs-fMRI 기능적 연결성에서 고차 비선형 연관성을 학습하고, 설명가능성을 이용해 차별적 ROI를 선택해 ASD를 진단하는 연구

rs-fMRI 기반 ASD 진단에서 기존 선형 저차 연결성 입력의 정보 한계와 비설명성 문제를 해결하기 위해 EAG-RS 프레임워크를 제안합니다. 뇌 영역 간 관계를 학습하는 단계에서 random seed 기반 네트워크 마스킹으로 비선형 고차 연관성을 추정합니다. 이어서 설명가능 AI 기법을 활용해 연결 단위 relevance score를 산출하고, 그 결과를 바탕으로 진단에 유의미한 ROI를 선택합니다. 선택된 ROI와 연결성 기반 특징을 통해 분류기를 학습함으로써 결정 근거를 제공하며, ASD 하위 유형과의 연관성도 해석 가능하게 분석합니다.

관련 프로젝트

0건

연구 흐름

초기에는 rs-fMRI 기능적 연결성(FC)을 활용한 ASD 진단의 분류 성능을 확보하는 데 집중했습니다. 이후 개별 증상 양상과 심각도 차이를 반영하기 위해, 선형 저차 FC에만 의존하는 한계를 보완하는 방향으로 비선형 고차 관계 학습을 도입했습니다. 또 모델의 비설명성 문제를 줄이기 위해 연결 단위 relevance score 기반의 설명가능 ROI 선택 절차를 추가했습니다. ABIDE 데이터에서 성능을 검증하고, 선택된 ROI를 신경과학 선행 연구와 연결해 해석 가능성을 정성적으로 확인하는 흐름으로 발전했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

설명가능 ASD 진단 보조
증상 단계별 ROI 프로파일링
ASD 서브타입 분류
결정 근거 제시형 신경영상 모델
rs-fMRI 임상 의사결정 지원
ROI 선택 자동화 도구
FC 기반 특징 추출 모듈
신뢰성 기반 모델 점검
다기관 데이터 적용 가이드
영상 기반 치료 타깃 탐색