뇌 신호 처리를 위한 엣지 기반 라플라시안

초록

본 연구는 인간 연결체 프로젝트(HCP) 데이터를 이용해 1차원 호지 라플라시안을 기반으로 한 엣지 중심 그래프 신호 처리(Edge‑GSP) 프레임워크를 제안한다. 노드가 아닌 엣지에 정의된 신호(공동 변동 및 위상 동기화)를 분석함으로써 정적·동적 작업 디코딩 정확도가 기존 노드 기반 GSP보다 현저히 향상됨을 보였다. 호지 분해를 통해 그래디언트, 컬, 하모닉 성분을 구분하고, 특히 하모닉 성분이 작업 구분에 가장 큰 기여를 함을 확인하였다.

상세 분석

이 논문은 전통적인 그래프 신호 처리(GSP)가 뇌 영역을 노드로, fMRI 시계열을 노드 신호로 취급하는 한계를 지적하고, 엣지를 1‑단계 심플렉스(1‑simplex)로 보는 위상 신호 처리(Topological Signal Processing, TSP) 접근을 제시한다. 구조적 연결망을 1‑차원 심플렉스 복합체로 모델링하고, 노드‑엣지 인시던스 행렬 B₁을 이용해 그래프 라플라시안을 B₁B₁ᵀ 형태로 표현한다. 여기서 1‑차원 호지 라플라시안 L₁ = B₁ᵀB₁ + B₂B₂ᵀ 로 정의되며, 첫 번째 항은 엣지‑노드 상호작용, 두 번째 항은 엣지‑삼각형(2‑simplex) 상호작용을 반영한다. L₁의 고유분해를 통해 얻은 고유벡터 집합 U₁은 엣지 신호의 토폴로지적 푸리에 변환(TFT)을 가능하게 하며, 신호를 그래디언트(Exact), 컬(Curl), 하모닉(Harmonic) 세 정규 직교 성분으로 분해한다.

엣지 신호 생성 방법으로는 (i) 두 노드 시계열의 곱으로 정의되는 공변동 신호 eᵢⱼ(t)=xᵢ(t)xⱼ(t)와 (ii) 각 노드의 힐버트 변환을 통해 얻은 위상 θᵢ(t)를 이용해 사인·코사인 함수로 결합한 위상 동기화 신호 eᵢⱼ(t)=f