EEG에서 fMRI로의 전환은 딥러닝만 남겨놓은 문제다: 해석 가능한 딥러닝을 활용한 EEG-fMRI 관계 해명

서브코티칼 구조의 활동에 대한 접근은 의도에 따라 작동하는 뇌-컴퓨터 인터페이스를 구축할 수 있는 독특한 기회를 제공하며, 정서신경과학 분야에서 복잡한 결정 과정과 영원한 자유의지 문제에 이르기까지 다양한 인지 현상을 탐구할 수 있는 풍부한 옵션을 제공한다. 또한 다양한 신경학적 질환의 진단을 용이하게 한다. 지금까지 이러한 접근은 크고 비용이 많이 드는, 이동이 불가능한 fMRI 장비를 사용할 때에만 가능했다. 본 연구에서는 다채널 EEG 데이터로부터 여러 서브코티칼 영역의 활동을 복원하기 위한 해석 가능한 도메인 기반 솔루션을 제안하며, 실제 서브코티칼 혈중 산소 포화도 의존성 sBOLD 신호와 그 EEG 기반 대응 신호 간에 최대 60%의 상관관계를 입증한다. 이후 새로운 이론적으로 타당한 가중치 해석 방법론을 활용하여, 서브코티칼 핵의 혈관반응 신호를 예측하는 데 있어 개인별로 고유한 피부 표면 EEG의 공간적 및 시간-주파수 패턴을 회복한다. 본 연구에서 제시된 결과는 착용 가능한 서브코티칼 활동 스캐너 개발로 이어질 수 있는 길을 열어주는 동시에, 심층 학습 기술과 해석 가능한 도메인 제약 아키텍처, 그리고 적절한 후속 작업(task)이 결합된 자동 지식 탐색 과정의 가능성을 보여준다.