심층 다중 작업 학습을 통한 SSVEP 탐지 및 시각적 반응 맵핑

녹내장은 초기에는 증상이 나타나지 않아 무증상으로 진행되며, 늦은 시기에 진단될 경우 망막 신경절 세포의 불가역적 퇴행이 발생한다. 현재 녹내장 평가의 기준으로 널리 사용되는 것은 표준 자동 시야검사(standard automated perimetry)이지만, 이 검사는 주관적인 성향을 지니고 있어 검사 시마다 응답이 변동될 수 있어 검사 결과 해석에 큰 혼란을 초래한다. 본 연구에서는 기존 시야 평가에서 인지적 요소를 제거함으로써 녹내장 환자에 대한 빠르고 현장에서 활용 가능한 진단 방법을 제안한다. 기존 방법이 주로 중심시각(fovea) 타겟 탐지 정확도를 보고하는 데 반해, 본 연구는 중심시각과 주변시각의 인접 타겟에서 동시에 신호를 효율적으로 포착할 수 있는 다중 작업 학습(multi-task learning) 아키텍처를 도입하여 시각 반응 지도(visual response map)를 생성하였다. 또한, 병렬적으로 여러 작업을 효율적으로 학습할 수 있도록 설계된 다중 작업 학습 모듈을 개발하였다. 제안된 모델은 40개 클래스로 구성된 데이터셋에서 분류 성능을 평가하였으며, 정확도(accuracy)는 92%, F1 스코어는 95%를 기록하였다. 본 모델은 캘리브레이션 불필요한 사용자 독립적 환경에서도 성능을 발휘할 수 있어 임상 진단에 매우 적합하다. 본 연구에서 제안하는 접근법은 녹내장 환자의 시야 기능에 대한 객관적 평가를 위한 첫걸음이 될 수 있다.