fMRI 기반 자폐 스펙트럼 장애 분류를 위한 자기 지도 대조 학습을 이용한 이중 스트림 변환기

배경/목적: 자폐 스펙트럼 장애(ASD) 진단은 이질성 때문에 어렵다. 현재의 시계열 변환기(TST) 방법은 동적 및 전반적인 뇌 연결성을 동시에 포착하지 못해 ASD 분류 성능이 제한된다. 방법: 우리는 원시 관심 영역(ROI) 시계열과 피어슨 상관 행렬(PCC)을 결합한 이중 스트림 변환기인 TwoTST를 제안한다. ROI와 PCC를 무작위 마스킹하여 자기 지도 학습으로 두 TST 분기를 사전 학습하고, 대조 학습과 미세 조정을 통해 특징 정렬을 수행하며, 다섯 가지 융합 전략을 평가하고 미세 조정 중 상대적 매개변수 변화를 분석한다. 결과: CC200 아틀라스를 이용한 ABIDE I 데이터셋에서 실험하였다. 대조 학습, 사전 학습, 이중 스트림 구조는 평균 AUC를 각각 3–6%, 3–7%, 3–4% 향상시켰다. 어텐션 풀링이 최적의 융합 전략이다. 상대적 매개변수 변화는 TST 모듈에서 0.32–0.44, 대조 투영 헤드에서 0.31–1.45이다. 결론: TwoTST는 ASD 식별을 위해 동적 및 전반적 연결성을 효과적으로 통합한다. 제안된 설계는 단일 스트림 모델보다 뛰어나며 신경 영상 기반 장애 분류에 신뢰할 수 있는 접근법을 제공한다.