EEG-to-Report는 임상 뇌파(EEG) 판독을 위한 브라우저 기반 주석·특징-텍스트 프레임워크로, 다중 포맷 EEG 입력과 채널 표준화, 텍스트·음성 주석을 결합한 인터랙티브 뷰어를 제공한다. 각 주석 구간마다 스펙트럼·시간·엔트로피·Hjorth·연결성·스파이크 관련 특징을 추출해 임상 소견과 함께 JSON으로 저장함으로써 멀티모달 EEG-언어 모델 학습에 쓸 수 있는 정렬된 특징-텍스트 쌍을 생성한다. 합성곱 신경망 앙상블과 대형언어모델을 결합한 자동 보고서 모듈은 신경과 전문의가 검토할 초안을 작성해준다. 수작업·시간 소모적이던 EEG 판독 워크플로를 자동화하고 AI 학습용 데이터셋 구축의 재사용 가능한 기반을 마련했다는 점에서 의미가 있다.
- •브라우저 기반 EEG 주석 도구로 텍스트·음성 메모를 결합해 임상 소견을 기록
- •스펙트럼·엔트로피·Hjorth 등 표준화된 특징을 JSON으로 추출해 EEG-언어 모델 학습 데이터 생성
- •CNN 앙상블과 LLM을 결합한 자동 보고서 초안 작성 모듈 포함
- •파일럿 주석을 통해 EEG 판독 워크플로 효율화와 재사용 가능한 데이터셋 구축 기반 마련을 입증
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
EEG-to-Report: An Annotation and Feature-Text Framework for Training Language Models on Clinical EEG
- 1.임상 EEG 판독은 대부분 수작업이라 AI 학습용 구조화 EEG-텍스트 데이터가 부족, 기존 툴은 시각화·전처리 중심
- 2.브라우저기반 어노테이션 프레임워크 'EEG-to-Report', 타이핑·음성노트 결합한 멀티모달 주석층으로 임상소견 기록
- 3.구간별 스펙트럼·시간·엔트로피·Hjorth·연결성·스파이크 특징을 표준 JSON 스키마로 저장해 멀티모달 EEG-언어모델 학습쌍 생성
- 4.CNN 앙상블과 LLM을 결합한 자동보고서 모듈로 신경과 전문의 검토용 초안 리포트 작성 지원
왜 중요한가?
EEG 판독처럼 전문의 수작업에 의존해온 임상 워크플로에서 AI 학습용 정렬된 특징-텍스트 데이터셋을 체계적으로 생성할 도구가 부재했는데, 이 프레임워크는 데이터 확보 병목을 풀어 임상 EEG 자동보고 AI 개발의 토대를 제공한다.
언급 프로젝트
본문 미리보기
arXiv:2608.26153v1 Announce Type: new Abstract: Clinical electroencephalography (EEG) reporting remains largely manual and time-consuming, and current EEG software ecosystems do not produce the structured EEG-text supervision needed for training modern language models. Most toolboxes focus on visualization or preprocessing, providing limited support for workflows that generate high-quality datasets for AI. We introduce EEG-to-Report, a browser-based annotation and feature-text framework that li
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:40AI 초안
![[AI리더의 서가] Agentic AI 구축 개발의 모든 것](https://cdn.aitimes.com/news/photo/202610/215958_219938_244.jpg)
