https://jbnu.macs.or.kr/ko/tag/eeg/EEGHugo Blox Builder (https://hugoblox.com)koTue, 13 Oct 2026 00:00:00 +0900https://jbnu.macs.or.kr/media/icon_hu006eacee63deb1d8999057a3cbfdb748_78083_512x512_fill_lanczos_center_3.pnghttps://jbnu.macs.or.kr/ko/tag/eeg/https://jbnu.macs.or.kr/ko/publication/0049-modality-aware-spectral-alignment-for-personalized-federated-eeg-gaze-learning/Tue, 13 Oct 2026 00:00:00 +0900https://jbnu.macs.or.kr/ko/publication/0049-modality-aware-spectral-alignment-for-personalized-federated-eeg-gaze-learning/<h3 id="연구-개요">연구 개요</h3> <p>EEG와 시선 정보를 결합해 로봇 보조 수술 수행 능력을 예측하는 개인화 연합학습 프레임워크 <strong>FedAlign-RAS</strong>를 제안합니다. 공통 인코더와 클라이언트별 스펙트럼·시간 정렬 모듈을 결합하여 개인 간 신호 차이와 모달리티 간 불일치를 다룹니다. 원시 EEG 및 시선 데이터를 각 클라이언트에 유지하면서 중앙집중식 학습, 개별 로컬 모델, 일반적인 연합학습 방법보다 향상된 예측 성능을 보고했습니다.</p> <p>2026년 10월 13일 <em>IEEE Signal Processing Letters</em>에 Early Access로 공개되었습니다.</p> <p><a href="https://ieeexplore.ieee.org/document/11735077" target="_blank" rel="noopener">IEEE Xplore에서 논문 보기</a></p> <h3 id="학술지-지표-2025-jcr">학술지 지표 (2025 JCR)</h3> <table> <thead> <tr> <th>항목</th> <th>값</th> </tr> </thead> <tbody> <tr> <td>분야</td> <td>Engineering, Electrical &amp; Electronic (SCIE)</td> </tr> <tr> <td>Journal Impact Factor</td> <td>3.6</td> </tr> <tr> <td>자기인용 제외 Journal Impact Factor</td> <td>3.0</td> </tr> <tr> <td>JIF 백분위</td> <td>60.9</td> </tr> <tr> <td>상위 비율</td> <td>39.1%</td> </tr> <tr> <td>사분위</td> <td>Q2</td> </tr> </tbody> </table> <p><em>2025 JCR 기준이며, 상위 비율은 100 − 60.9 = 39.1%로 계산했습니다.</em></p> <h3 id="저자-및-소속">저자 및 소속</h3> <ul> <li><strong>Seo-Yeon Choi</strong>: Division of Electronics and Information Engineering, Jeonbuk National University, Jeonju, South Korea.</li> <li><strong>Kyungsu Lee</strong>: Division of Electronics and Information Engineering 및 Department of Computer Science &amp; Artificial Intelligence, Jeonbuk National University, Jeonju, South Korea.</li> </ul> <h3 id="저자-키워드">저자 키워드</h3> <p>Electroencephalography, federated learning, multimodal learning, personalization.</p>