연구진은 경도인지장애(MCI) 조기 진단을 위한 새로운 프레임워크를 제안했어요. DINOv2-Small 모델을 활용해 119만 개의 학습 가능한 파라미터로 효율적인 튜닝을 수행했어요. 이 모델은 공간적 설명 가능성을 직접적으로 달성하며, 기존 방식보다 계산 비용이 적게 들어요. 새로운 MoCA-적응형 포칼 손실을 도입하여 경계 모호성을 해결하고, 기존 ResViT 모델보다 MCI-클래스 F1 점수가 0.110 향상됐어요.