자폐 스펙트럼 장애 분류를 위한 fMRI 기반 GNN 모델 비교 분석

초록

자폐 스펙트럼 장애(Autism Spectrum Disorder, ASD)는 조기 진단이 중요한 신경 발달 질환으로, 뇌 기능적 연결성 분석을 통해 진단 단서를 얻을 수 있다. 본 논문은 fMRI 기반 ASD 분류를 위해, 모든 노드에 동일 가중치를 부여해 중요한 연결성을 간과하는 cGCN(connectivity-based Graph Convolutional Network)의 한계를 개선한 어텐션 기반 cGAT, cGAT2, cGATv2를 제안한다. 그리고, 실험을 통해 제안 모델들이 k-fold 교차 검증에서 전반적으로 cGCN보다 정확도가 높으나, Leave-One-Site-Out에서는 낮은 정확도를 보임을 확인하였다. 이는 그래프 기반 뇌 연결성 분석에서 어텐션 적용 모델이 cGCN에 비해 일반화 성능은 떨어지지만, 데이터 분포가 균일한 환경에서는 의미있는 진단을 보다 잘 도출함을 확인한 결과라 사료된다.

키워드