[논문] GenEyePose: 환자 없이 지식 기반 급속 안구 움직임 모델링으로 디지털 신경생리 바이오마커 개발

출처: arXiv - 2606.09681v1

개요

안구 움직임, 특히 급속 안구운동(사카드)은 신경생리학적 상태를 매우 민감하고 객관적인 바이오마커로 널리 인정받고 있습니다. 신경계 질환에서 사카드 특성을 감지하면 접근성 및 비용 장벽을 피하면서 뇌 영상에 대한 빠르고 휴대 가능한 대안을 제공합니다. 현재 프라이버시 문제와 제한된 데이터셋 때문에 뇌 이상을 선별·분류·위치 파악하기 위한 강력한 AI 기반 비디오 안구측정 솔루션(예: 디지털 바이오마커)은 존재하지 않습니다. 본 연구에서는 일반화 가능한 사카드 분석을 위해 최초의 완전 합성, 환자 없이, 다중 모달 안구 움직임 생성 파이프라인을 제안합니다. 이 합성 데이터셋을 활용해 정상과 비정상(저측정증·고측정증) 사카드 정확도를 구분하는 딥러닝 분류기를 학습시켰으며, 실제 임상 데이터에서 성능을 평가했습니다. 모델은 AUROC 0.76, 민감도 0.71을 달성했으며, 합성 데이터가 가정 및 응급실 등에서의 스크리닝 도구나 정밀 신경해부학적 위치 파악 도구 등 임상 적용을 위해 일반화될 강력한 잠재력을 가지고 있음을 보여줍니다.

핵심 기여

이 논문은 다음 분야의 연구를 제시합니다:

• cs.CV

방법론

자세한 방법론은 전체 논문을 참고하십시오.

실용적 함의

이 연구는 cs.CV 분야의 발전에 기여합니다.

저자

• Tianyu Lin
• Jooyoung Ryu
• Puvada Sreevarsha
• Rahul Srinivasaragavan
• Riya Satavlekar
• Susan Kim
• Nidhi Soley
• Yujie Yan
• Ishan Vatsaraj
• Carl Harris
• Aimon Rahman
• Vishal Patel
• Joseph Greenstein
• Casey Taylor
• Kemar E. Green

논문 정보

• arXiv ID: 2606.09681v1
• 분류: cs.CV
• 발행일: 2026년 6월 8일
• PDF: PDF 다운로드