뇌캔버스: 다채널 EEG를 이미지로 변환해 VLLM 기반 실시간 발작 탐지

초록

NeuroCanvas는 스펙트럼 엔트로피 기반 채널 선택기(ECS)와 EEG‑이미지 변환 모듈(CNS)을 결합해, 다채널 EEG 데이터를 고밀도 강도 맵으로 압축하고, 사전학습된 비전‑LLM(VLLM)에 입력한다. 채널 이질성을 효과적으로 제거하고 토큰 수를 크게 줄여 88 %의 추론 지연 감소와 F1 점수 20 % 향상을 달성한다.

상세 분석

본 논문은 기존 EEG‑LLM 연계 방식이 직면한 두 가지 핵심 문제, 즉 “채널 이질성”과 “계산 비효율성”을 해결하기 위해 두 단계의 파이프라인을 설계했다. 첫 번째 단계인 Entropy‑guided Channel Selector(ECS)는 각 전극의 스펙트럼 엔트로피를 계산하고, 발작과 비발작 구간에서의 평균·분산 차이를 효과 크기(effect size) 형태로 정량화한다. 이를 통해 채널별 구분 점수 S_c 를 산출하고, 상위 K개의 채널만을 선택함으로써 불필요한 노이즈를 배제하고 시각 토큰 양을 크게 감소시킨다. 두 번째 단계인 Canvas of Neuron Signal(CNS)는 선택된 채널들의 시계열을 정규화·클리핑 후