휴대용 및 웨어러블 뇌전도(EEG) 기기의 보급은 다양한 분야에서의 EEG 연구를 촉진해 왔다. 이러한 기기들은 편리함에도 불구하고 종종 제한된 연산 능력을 수반한다. 그러나 이러한 엣지 기기에서 네트워크 복잡도를 최소화하는 문제는 기존 연구에서 충분히 다루어지지 않았다. 이를 해결하기 위해 엣지 기기에서 다양한 인구학적 요인을 반영하는 EEG 신호를 분류하기 위한 확장 가능한 하이브리드 네트워크를 제안한다. 이 모델은 하이브리드 블록 구조에서 합성곱 신경망(CNN)과 자기-주의(self-attention) 메커니즘을 결합한다. 본 설계는 국소 및 전역 특징을 효율적으로 포착하기 위해 CNN 계층과 자기-주의 계층 사이를 교대로 배치한다. 본 연구에서는 휴대용 EEG 기기를 사용하여 게임 세션 동안 획득한 EEG 신호를 특히 사춘기 이전(pre-puberty)과 사춘기(puberty) 단계로 분류하였다. 개발된 확장 가능한 하이브리드 네트워크(SH-Net)는 사춘기 이전과 사춘기 EEG 신호를 구별하는 데 유망한 결과를 보였다. 그 결과, 모델의 첫 번째 단계는 10-겹 교차검증에서 다른 모델에 비해 더 높은 정확도를 보였으며, 4개 채널에서 93.57%, 전두엽 채널(AF)에서 89.04%, 측두엽 채널(TP)에서 81.46%였다. 특히, AF 채널을 사용하는 모델의 세 번째 단계는 네 채널을 사용한 평가 모델을 포함한 다른 평가 모델에 비해 더 높은 정확도를 달성하였다.

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