상관 스패시티를 활용한 뇌 기능 네트워크 사전 학습

본 논문은 기능적 자기공명영상(fMRI) 데이터를 이용해 기능적 뇌 네트워크(FBN)를 추출하는 새로운 딕셔너리 학습(DL) 방법을 제안한다. 기존의 주성분 분석(PCA), 독립 성분 분석(ICA) 및 전통적인 DL(K‑SVD 등)은 각각 정규성, 독립성 혹은 원자 간 비상관성을 전제로 하지만, 실제 뇌에서는 여러 네트워크가 동시에 활성화되며 서로 높은 상관관계를 보인다. 이러한 상관관계를 무시하면 얻어지는 계수 행렬 X 가 원자 간 그룹 효과를 반영하지 못해, 동일한 뇌 영역이 서로 다른 시간에 서로 다른 원자에 매핑되는 불일치가 발생한다. 이를 해결하기 위해 저자는 두 가지 접근법을 설계한다. 첫 번째는 Elastic‑Net 정규화를 적용한 딕셔너리 학습이다. 목적함수는 \