[Paper] Stringology 기반 EEG 신호의 모티프 발견: ADHD 사례 연구

Source: arXiv - 2603.03476v1

개요

새로운 계산 프레임워크는 stringology—문자열의 알고리즘적 연구—를 활용하여 EEG 기록에서 반복되는 시간적 모티프를 발견합니다. 다채널 EEG 트레이스를 기호의 연속으로 취급함으로써, 저자들은 순서‑보존 매칭 및 카르테시안‑트리 매칭이 전통적인 스펙트럼 분석이 종종 놓치는 미묘한, ADHD‑특이적 패턴을 밝혀낼 수 있음을 보여줍니다.

주요 기여

• 문자열 알고리즘의 새로운 적용 (order‑preserving matching, OPM; Cartesian‑tree matching, CTM) 을 연속 EEG 시계열에 적용.
• 진폭에 무관한 모티프 탐지, 원시 전압 수준이 아니라 상대적인 순서와 계층적 형태에 초점.
• 정량적 모티프 기술자 (빈도, 길이, 기울기 불안정성, 트리 깊이) 로 ADHD 환자와 신경전형 대조군을 구분.
• 개념 증명 검증을 공개된 다채널 EEG 데이터셋에 수행, 통계적으로 유의한 그룹 차이 확인.
• 오픈소스 파이프라인 (코드 및 전처리 스크립트) 을 제공하여 다른 신경생리학 신호에도 적용 가능.

Methodology

1. Pre‑processing – 원시 EEG는 밴드패스 필터링을 거쳐 다운샘플링되고, 겹치는 윈도우로 분할됩니다. 각 윈도우는 샘플 진폭을 순위화(순서 보존)하거나, 피크와 트로프의 계층적 순서를 포착하는 Cartesian tree를 구성하여 symbolic representation으로 변환됩니다.
2. Motif discovery –
   • OPM은 절대 진폭과 무관하게 샘플들의 상대적 순서가 반복되는 부분 시퀀스를 탐색합니다.
   • CTM은 Cartesian tree 내의 서브트리를 매칭시켜, 중첩된 “피크‑밸리” 구조를 유지하는 패턴을 감지합니다.
3. Motif quantification – 발견된 각 모티프에 대해 프레임워크는 다음을 기록합니다:
   • Frequency (녹음 전체에서 나타나는 횟수)
   • Length (샘플 수)
   • Gradient instability (연속 샘플 간 평균 및 최대 절대 차이)
   • Tree depth & branching factor (계층적 복잡성).
4. Statistical analysis – 그룹 수준 비교(ADHD vs. controls)는 비모수 검정을 사용하여 수행되며, 다중 비교에 대한 보정이 적용됩니다.

결과 및 발견

이 결과들을 종합하면 ADHD 관련 EEG 서명이 신경전형인 사람들에 비해 더 반복적이고, 시간적으로 덜 안정적이며, 계층적으로 더 단순한 특성을 보인다는 것을 알 수 있습니다.

실용적 함의

• 객관적 바이오마커 파이프라인 – 모티프 기반 기술자는 ADHD 선별 또는 치료 모니터링을 위한 임상 의사결정 지원 도구에 통합될 수 있으며, 행동 평가에 정량적인 보완을 제공한다.
• 실시간 모니터링 – OPM과 CTM은 슬라이딩 윈도우에서 동작하고 단순한 순서 비교에 의존하므로, 웨어러블 EEG 헤드셋과 같은 엣지 디바이스에 구현하여 비정상 패턴을 즉시 탐지할 수 있다.
• 크로스‑모달 확장 – 동일한 문자열 이론(framework)은 절대 크기보다 상대 순서가 더 중요한 다른 바이오신호(EMG, ECG, 모션 캡처)에도 적용될 수 있다.
• ML을 위한 특성 엔지니어링 – 모티프 빈도, 길이, 트리 깊이는 해석 가능한 특성으로 활용될 수 있으며, 원시 시계열이나 스펙트럼 특성만을 사용할 때보다 진단 정확도를 향상시킬 가능성이 있다.
• 뉴로피드백 및 BCI – 높은 모티프 반복이 나타나는 순간을 정확히 짚어냄으로써, 뉴로피드백 프로토콜은 특정 시간 역학에 초점을 맞출 수 있고, BCI는 모티프 발생을 제어 신호로 사용할 수 있다.

Limitations & Future Work

• Dataset size & diversity – 이 연구는 단일 공개 EEG 코호트를 사용했으며, 연령, 동반질환 및 기록 하드웨어 전반에 걸친 보다 폭넓은 검증이 필요합니다.
• Parameter sensitivity – 윈도우 길이, 오버랩, 심볼‑매핑 임계값이 모티프 탐지에 영향을 미치며, 체계적인 하이퍼‑파라미터 튜닝을 통해 견고성을 향상시킬 수 있습니다.
• Interpretability of motifs – 통계적 차이는 명확하지만, 특정 모티프를 인지적 또는 행동적 상태와 연결하는 것은 아직 해결되지 않은 과제입니다.
• Integration with spectral measures – 향후 작업에서는 전통적인 주파수 영역 특징과 모티프 기반 기술자를 결합한 하이브리드 모델을 탐색하여 보다 풍부한 표현을 얻어야 합니다.
• Real‑time deployment – 저전력 하드웨어에 맞게 OPM/CTM 알고리즘을 최적화하고, 실시간 EEG 스트림에서 지연 시간을 평가하는 것이 임상 적용을 위한 다음 단계입니다.

저자

• Anat Dahan
• Samah Ghazawi

논문 정보

• arXiv ID: 2603.03476v1
• 카테고리: q-bio.NC, cs.DS, cs.IR, cs.NE
• 출판일: 2026년 3월 3일
• PDF: PDF 다운로드