Transformer-based Representation Learning for 3D Brain MRI and Resting-state fMRI Diagnosis
연구 내용
3D 뇌 MRI를 멀티뷰 시퀀스로 인코딩하고 자기지도 전학습을 결합하여 표현을 확보하며, 복소 실·허수 성분을 활용한 웨이블릿 트랜스포머로 rs-fMRI 기반 뇌질환 양상을 학습하는 연구
3D 뇌 MRI 분석에서 라벨 부족 문제를 완화하기 위해, 3차원 볼륨을 2차원 슬라이스 시퀀스로 모델링하는 Transformer 전이학습 프레임워크를 적용합니다. 멀티뷰로 공간 관계를 보강하고, 마스킹 기반 자기지도 프리트레이닝으로 공통 표현을 구성합니다. 또한 rs-fMRI는 연속 웨이블릿 변환의 실수·허수 성분을 분리해 주파수-시간-공간 주의를 함께 학습하도록 설계하며, 연결성 변화를 지표화하여 질환 관련 패턴을 도출합니다. 이를 통해 다양한 뇌영상 과제에 재사용 가능한 표현을 구축합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 뇌질환과 관련된 연결성 변화처럼, rs-fMRI에서 관찰되는 신경영상 특징을 정량화하는 방향으로 연구를 수행했습니다. 이후 2023년에는 Medical Transformer에서 3D MRI를 2D 시퀀스로 치환하고 멀티뷰 정보를 활용해 고수준 표현을 구성하는 전이학습 전략을 확보했습니다. 2025년에는 주파수 표현의 비정상성을 고려해 연속 웨이블릿 변환의 실수·허수 성분을 직접 모델링하는 복소 성분 기반 Transformer를 제안하여 진단 성능과 주의 기반 해석 가능성을 확장했습니다. 이러한 흐름으로 뇌영상의 공간·주파수 표현을 일관된 트랜스포머 학습으로 통합하는 연구를 진행했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Medical Transformer: Universal Encoder for 3-D Brain MRI Analysis
Altered functional connectivity in psychotic disorder not otherwise specified
Complex wavelet-based Transformer for neurodevelopmental disorder diagnosis via direct modeling of real and imaginary components