연구진이 EEG 기반 우울증 인식 성능 향상을 위해 SA-HGNN 모델을 제안했어요. 이 모델은 뇌 네트워크의 계층적 구조를 정확하게 추출하는 데 목표를 두고 있어요.
SA-HGNN은 샘플 적응형 그래프 구축 모듈, 쌍곡선 그래프 컨볼루션, 어텐션 풀링 모듈로 구성돼요. 샘플 적응형 그래프 구축 모듈은 뇌 네트워크 내 복잡한 공간 관계를 포착하고, 쌍곡선 그래프 컨볼루션은 계층적 관계를 정확하게 파악해요.
실험 결과, SA-HGNN은 공개 EEG 데이터셋에서 우수한 성능을 보였으며, 노이즈에 강건하고 우울증 환자의 뇌 네트워크의 비정상적인 기능적 연결 패턴을 효과적으로 파악하는 것으로 나타났어요.