ZUNA: 위치 인지 디퓨전 오토인코더를 활용한 유연한 EEG 초해상 기술

ZUNA: Flexible EEG Superresolution with Position-Aware Diffusion Autoencoders

본 논문에서는 3억 8천만 개의 파라미터를 가진 마스크 디퓨전 오토인코더인 exttt{ZUNA}를 소개합니다. exttt{ZUNA}는 EEG 신호에서 임의의 전극 수와 위치에 대해 마스크 채널 보간 및 초해상도를 수행하도록 학습되었습니다. exttt{ZUNA} 아키텍처는 다채널 EEG를 짧은 시간 창으로 토큰화하고, (x, y, z, t) 좌표에 대한 4차원 회전 위치 인코딩을 통해 시공간 구조를 주입하여, 임의의 채널 부분 집합 및 위치에 대한 추론을 가능하게 합니다. exttt{ZUNA}는 약 2백만 시간의 채널 데이터를 포함하는 208개의 공개 데이터셋을 통합하여 학습되었으며, 재구성 및 채널 드롭아웃을 결합한 목표 함수를 사용했습니다. 실험 결과, exttt{ZUNA}는 널리 사용되는 구형 스플라인 보간 방법에 비해 성능이 크게 향상되었으며, 특히 높은 드롭아웃 비율에서 그 차이가 더욱 두드러집니다. 더욱 중요한 점은, 다른 딥러닝 방법에 비해 exttt{ZUNA}의 성능은 데이터셋 및 채널 위치에 관계없이 extit{일반화}되어, 새로운 데이터셋 및 문제에 직접 적용될 수 있다는 것입니다. 생성 능력을 가지고 있음에도 불구하고, exttt{ZUNA}는 계산적으로 효율적이므로 실제 배포에 적합합니다. 본 논문에서는 Apache-2.0 라이선스의 가중치와 MNE와 호환되는 전처리/추론 스택을 공개하여, 재현 가능한 비교 및 EEG 분석 파이프라인에서의 활용을 장려합니다.

We present \texttt{ZUNA}, a 380M-parameter masked diffusion autoencoder trained to perform masked channel infilling and superresolution for arbitrary electrode numbers and positions in EEG signals. The \texttt{ZUNA} architecture tokenizes multichannel EEG into short temporal windows and injects spatiotemporal structure via a 4D rotary positional encoding over (x,y,z,t), enabling inference on arbitrary channel subsets and positions. We train ZUNA on an aggregated and harmonized corpus spanning 208 public datasets containing approximately 2 million channel-hours using a combined reconstruction and heavy channel-dropout objective. We show that \texttt{ZUNA} substantially improves over ubiquitous spherical-spline interpolation methods, with the gap widening at higher dropout rates. Crucially, compared to other deep learning methods in this space, \texttt{ZUNA}'s performance \emph{generalizes} across datasets and channel positions allowing it to be applied directly to novel datasets and problems. Despite its generative capabilities, \texttt{ZUNA} remains computationally practical for deployment. We release Apache-2.0 weights and an MNE-compatible preprocessing/inference stack to encourage reproducible comparisons and downstream use in EEG analysis pipelines.