본 연구는 사전에 정의된 커뮤니티 구조에 의존하지 않고 동적으로 뇌 영역 간 커뮤니티를 학습할 수 있는 트랜스포머 기반 모델 TC-BrainTF를 제안한다. TC-BrainTF는 학습 가능한 프롬프트 토큰과 직교 손실 함수를 활용하여 뇌 영역 간 커뮤니티를 효과적으로 식별하고, 이를 통해 자폐 스펙트럼 장애 진단 및 성별 분류 등의 과제에서 우수한 성능을 보인다.
Lite-Mind는 이산 푸리에 변환을 기반으로 한 경량화, 효율적이고 강력한 뇌 표현 학습 패러다임을 제안한다. Lite-Mind는 MindEye의 대규모 MLP 백본을 대체하여 CLIP의 마지막 은닉층과 fMRI 볼륨을 효과적으로 정렬할 수 있다.