Graph Embedding Framework for Early Alzheimer’s Diagnosis via Multi-Branch GCN and iGCL Integration
Abstract
본 연구는 알츠하이머병 조기 진단의 정확도를 향상시키기 위해, 바이오마커 간의 복잡한 상관관계를 반영하는 그래프 기반 임베딩 프레임워크를 제안한다. 제안된 방법은 Multi-Branch 그래프 합성곱 신경망(GCN)과 iGCL 프레임워크를 결합하여, 전역적·국소적 수준의 바이오마커 의존성을 동시에 학습하도록 설계되었다. 또한 진단군 간 구분도를 향상시키기 위해 Inter-DX 분리 항과 Triplet Loss를 도입하여, 정상–경도인지장애–알츠하이머병의 단계적 관계를 반영하였다. ADNI 데이터를 활용한 실험 결과, 제안된 프레임워크는 ROC-AUC와 AUC-PR이 각각 13%p, 22%p 향상되어 Baseline 대비 유의한 성능 향상을 보였다. 이러한 결과는 그래프 대조학습을 결합한 멀티 브랜치 임베딩 구조가 질병 단계 구분과 진단 정확도를 효과적으로 개선함을 보여주며, 향후 정밀 진단 및 다중 모달 확장 연구의 기반이 될 것으로 기대된다.
Fields of Study & Subjects
Dementia and Cognitive Impairment Research
Advanced Graph Neural Networks
Functional Brain Connectivity Studies
Publication details
- Journal / source
- The Journal of the Korean Institute of Information and Communication Engineering
- Volume
- 30
- Issue
- 1
- Pages
- 37–45
- Publication date
- 31 January 2026
- Language
- EN