주의 융합을 활용한 하이브리드 DenseNet–ViT 네트워크 기반 EEG 발작 예측

간질 발작 예측은 간질 환자의 삶의 질 향상에 필수적입니다. 본 연구에서는 DenseNet과 Vision Transformer(ViT)를 주의 융합 계층과 결합한 새로운 하이브리드 딥러닝 아키텍처를 제안하여 발작 예측을 수행합니다. DenseNet은 계층적 특징을 포착하고 효율적인 파라미터 사용을 보장하며, ViT는 자기 주의 메커니즘과 전역 특징 표현을 제공합니다. 주의 융합 계층은 두 네트워크의 특징을 효과적으로 결합하여 발작 예측에 가장 관련성 높은 정보를 활용하게 합니다. 원시 EEG 신호는 단시간 푸리에 변환(STFT)을 사용하여 시-주파수 분석을 시행하고 EEG 신호를 시-주파수 행렬로 변환하였습니다. 이후 제안된 하이브리드 DenseNet-ViT 네트워크 모델에 입력하여 종단 간 발작 예측을 달성하였습니다. 24명의 환자 데이터를 포함한 CHB-MIT 데이터셋을 평가에 사용하였으며, leave-one-out 교차 검증 방식을 통해 제안 모델의 성능을 평가하였습니다. 결과는 높은 정확도와 낮은 중복도를 보이며 우수한 발작 예측 성능을 입증하여, DenseNet, ViT 및 주의 메커니즘의 결합이 예측 능력을 크게 향상시키고 보다 정밀한 치료 개입을 촉진할 수 있음을 시사합니다.