المفاهيم الأساسية
EEG 신호를 활용하여 개인의 감정 상태를 인식하고, 이에 따른 맞춤형 진단 및 치료 계획을 제안하여 자동화된 전자 의료 기록을 생성하는 시스템을 개발하였다.
الملخص
이 연구에서는 EEG Emotion Copilot이라는 시스템을 제안하였다. 이 시스템은 경량화된 대규모 언어 모델(LLM)을 활용하여 EEG 신호로부터 감정 상태를 인식하고, 이에 따른 맞춤형 진단 및 치료 계획을 제안하며, 최종적으로 자동화된 전자 의료 기록을 생성한다.
주요 내용은 다음과 같다:
공개 데이터셋과 전문 감정 데이터셋을 통합하여 LLM 개발에 적합한 데이터 구조를 구축하였다.
EEG 신호의 데이터 압축을 통해 LLM의 계산 효율성을 높였다.
모델 가지치기 기법을 적용하여 경량화된 LLM을 개발하였고, 이를 통해 개인정보 보호를 위한 로컬 실행이 가능하도록 하였다.
감정 인식, 진단 제안, 치료 계획 수립 등의 기능을 통합하여 자동화된 전자 의료 기록 생성 시스템을 구현하였다.
이를 통해 감정 컴퓨팅 및 뇌-기계 인터페이스 분야에서 EEG 기반 감정 인식과 의료 진단 지원 기술을 발전시킬 수 있을 것으로 기대된다.
الإحصائيات
EEG 신호의 압축을 통해 50개의 시간 포인트로 줄일 수 있었다.
모델 가지치기를 통해 모델 크기를 50% 줄일 수 있었다.
특정 데이터셋 학습 후 공개 데이터셋 학습을 통해 모델 성능을 향상시킬 수 있었다.
اقتباسات
"EEG 신호는 장문의 텍스트 데이터로 간주될 수 있지만, 단일 채널의 신호 시퀀스는 상당한 중복성을 나타낸다."
"경량화된 LLM은 참여자의 프라이버시와 데이터 보안을 보장하기 위해 로컬에서 최적으로 실행되어야 한다."