비음수가중치제한과 네트워크 희소성을 고려한 오토인코더와 그래프오토인코더로 얻은 뇌 서브네트워크 비교

Abstract

뇌 네트워크는 해부학적으로 정의된 영역을 해당하는 노드(node)와 뇌 영역 쌍들을 연결하는 엣지(edge)로 구성되어 있으며, 인지 기능과도 강한 상관관계가 있다고 알려져 있다. 특정 인지 기능과 관련되어 있는 뇌 영역들은 공간적으로 군집을 형성하고 있으며, 서로 효율적으로 연결되어있다. 이러한 군집된 뇌영역들과 그들의 연결은 서브네트워크(sub-network)를 구성하며, 최근에 개발된 그래프 딥러닝 모델을 통해 원래 뇌 네트워크에서 성공적으로 분해할 수 있었다. 그러나 이렇게 분해된 서브네트워크의 질(quality)을 평가하지는 못하였다. 본 논문은 분해의 질을 평가하기 위해 희소성, 공간적지역성을 사용하는 것을 제안하고, 이들을 통해 전통적인 머신러닝 기술인 오토인코더(auto-encoder)와 새로운 딥러닝 알고리즘인 그래프오토인코더(graph auto-encoder)의 성능을 비교했다.