# PhysioWave-T, 생체신호 모델 연산 비용 낮춘다

> 연구진이 EEG·ECG·근전도 신호를 위한 웨이블릿 기반 모델을 공개했다. 일부 평가에서 연산 비용은 줄고 성능은 개선됐다고 밝혔다.

Oossa · 2026-11-09 · https://oossa.com/ko/physiowave-t-aims-to-cut-biosignal-model-costs

사건 날짜: 2026-11-06

연구진이 EEG, ECG, sEMG(근전도) 신호를 처리하는 AI 모델 제품군 PhysioWave-T를 공개했다. 이 방식은 웨이블릿으로 분해한 신호 스케일을 결합한 뒤 데이터를 토큰으로 변환한다. 연구진은 EEG 처리 경로 4개에서 정확도 저하 없이 트랜스포머의 지연 시간을 4.0~7.2배, 최대 메모리 사용량을 6.8~12.7배 줄였다고 밝혔다.

발작 탐지 시험인 SeizeIT2에서 연구진은 별도의 인코더가 처리한 신호를 결합했을 때 시간당 오탐 11건을 기준으로 발작 이벤트 민감도가 61.4%에서 74.4%로 높아졌다고 보고했다. 논문에는 코드와 모델 가중치가 있다고 나와 있지만, 제공된 자료에는 해당 링크가 포함돼 있지 않다.

## 팩트

- 연구진에 따르면 EEG 모델의 매개변수는 3,000만 개이며, 1,500만 개가 넘는 윈도우로 사전 학습됐다.
- arXiv 제출 이력에 따르면 첫 버전은 2026년 11월 6일 제출됐다.

## 왜 중요한가

EEG 기록을 처리하는 연구자에게 보고된 메모리 절감은 모델 실행 부담을 낮출 수 있다. 다만 이번 결과만으로 임상 현장에서의 성능을 판단할 수는 없다.

## 출처 및 참고 자료

1. [PhysioWave-T: Token-Efficient Wavelet Foundation Models for Biosignals](https://arxiv.org/abs/2611.08969) – arXiv, 2026-11-09

최종 업데이트: 2026-11-09