Spring 2026 PhysioNet Challenge - LikeLion Team

PhysioNet Challenge 2026: 수면 검사(PSG) 데이터를 활용한 인지 장애 스크리닝

---

챌린지 개요

PhysioNet Challenge 2026은 수면다원검사(Polysomnography, PSG) 데이터를 기반으로 향후 인지 장애(MCI, 알츠하이머, 치매) 발생 여부를 예측하는 과제입니다.

핵심 정보

항목	내용
목표	PSG 기록으로부터 향후 인지 장애 발병 예측
데이터	~100GB EDF 파일 (EEG, EOG, EMG, ECG, 호흡 신호)
학습 데이터	780개 녹화 (3개 사이트) + CAISR 주석 + 수동 주석
검증/테스트	숨겨진 사이트의 데이터 (일반화 성능 평가)
평가 지표	AUROC - Group 1 vs Group 2
제출 형식	GitHub을 통한 Python 코드 제출

예측 그룹 정의

• Group 1 (양성): PSG 검사 후 3~7년 이내에 인지 장애 진단을 받은 환자
• Group 2 (음성): 7년 이상 추적 관찰 후에도 인지 장애 진단이 없는 환자
• Group 3 (제외): 그 외 환자 (3년 미만 진단, 추적 기간 부족 등)

---

협업 방식

원칙: 전원 참여, 함께 성장

모든 팀원이 모든 분야에 참여합니다. 역할을 고정하지 않고, 매주 공통 과제를 조사/구현하고 Git에 push하여 기여합니다.

참여 규칙

프로젝트 종료 시까지 아래 항목 중 사유 없이 2회 이상 위반 시, 최종 프로젝트 결과물(Abstract, 논문 등)에서 이름이 제외됩니다.

위반 항목	설명
Commit 미제출	주차별 마감 기한까지 본인 폴더에 commit/push를 하지 않은 경우
모임 무단 불참	사전 연락 없이 주간 미팅에 참석하지 않은 경우

• 사유가 있는 경우(질병, 시험 등) 사전에 팀에 알리면 위반으로 간주하지 않습니다.
• 위반 횟수는 GitHub commit 기록과 미팅 출석으로 투명하게 관리됩니다.

주간 사이클

월요일     →  주간 과제 확인 & 방향 논의
화~수요일  →  각자 조사/구현 후 개인 브랜치에 push
목요일     →  미팅: 조사 내용 공유 & 리뷰 & 다음 주 계획
금~일요일  →  피드백 반영 & 추가 작업

기여 방식

각 팀원은 매주 자신의 개인 폴더에 조사/코드를 정리해서 push합니다.

weekly/
├── week01-research/          # 주차별 폴더
│   ├── member1/              # 팀원별 폴더
│   │   └── research.md       # 조사 내용
│   ├── member2/
│   │   └── research.md
│   ├── member3/
│   │   └── research.md
│   ├── member4/
│   │   └── research.md
│   └── member5/
│       └── research.md
├── week02-data/
│   ├── member1/
│   ...

---

타임라인

총 9주 계획 (2026.02.16 ~ 2026.04.15)

---

Week 1 (2/16 ~ 2/22): 챌린지 이해 + 리서치

마감: 목요일 (2/19) 미팅 전까지 push

전원 공통 과제

각자 아래 4가지를 조사해서 weekly/week01-research/본인이름/research.md에 정리 후 push

#	조사 항목	설명
1	챌린지 이해	이 대회가 정확히 뭘 하는 건지, 규칙, 평가 방식, 제출 형식 정리
2	데이터셋 분석	PSG 데이터란 무엇인지, EDF 파일 포맷, 포함된 신호(EEG/EOG/EMG/ECG) 각각의 의미
3	관련 연구 조사	수면 데이터로 인지 장애를 예측한 기존 논문/연구 1~2개 찾아서 요약
4	방법론 조사	찾은 연구에서 어떤 방법(ML/DL)을 썼는지, 어떤 피처를 추출했는지 정리

research.md 템플릿

# Week 1 리서치 - [이름]

## 1. 챌린지 이해
- 대회 목표:
- 평가 지표:
- 제출 방식:
- 주요 규칙:

## 2. 데이터셋 분석
- PSG(수면다원검사)란:
- EDF 파일 포맷:
- 포함된 신호 종류와 의미:
  - EEG:
  - EOG:
  - EMG:
  - ECG:
  - 호흡 신호:
- CAISR 주석이란:

## 3. 관련 연구 (1~2편)
### 논문 1: [제목]
- 저자/연도:
- 목표:
- 데이터:
- 방법:
- 결과:

### 논문 2: [제목]
- 저자/연도:
- 목표:
- 데이터:
- 방법:
- 결과:

## 4. 방법론 정리
- 사용된 모델:
- 주요 피처:
- 우리 프로젝트에 적용 가능한 아이디어:

리서치 팁

논문 검색:

• Google Scholar - "sleep" "cognitive impairment" "polysomnography" prediction
• PubMed - 의학 논문 검색
• PhysioNet 이전 챌린지 - 과거 우승 솔루션 참고

키워드:

• sleep EEG cognitive decline prediction
• polysomnography dementia screening
• sleep architecture Alzheimer's biomarker
• PSG machine learning MCI

---

Week 2 (2/23 ~ 3/1): 데이터 탐색 + 환경 세팅

전원: 직접 데이터를 만져보기

• Python 환경 세팅 (requirements.txt)
• 샘플 EDF 파일 로딩해보기 (MNE 또는 PyEDFlib)
• 신호 시각화 (EEG, ECG 등 각 채널 plot)
• CAISR 주석 파일 구조 파악
• 메타데이터 (나이, 성별, BMI 등) 분포 확인
• GCP 환경 구성

각자 weekly/week02-data/본인이름/ 에 EDA 노트북 push

---

Week 3-4 (3/2 ~ 3/15): 전처리 + Feature Engineering

• 신호 전처리 파이프라인 (노이즈 제거, 필터링)
• 시간 도메인 피처 추출 (통계량, entropy)
• 주파수 도메인 피처 추출 (PSD, band power)
• 수면 구조 피처 (수면 효율, 단계 전환, REM 특성)
• 심박 변이도(HRV) 피처 (ECG 기반)
• Baseline 모델 (Logistic Regression, Random Forest)
• 초기 AUROC 측정

---

Week 5-6 (3/16 ~ 3/29): 모델 개선 + 실험

• XGBoost / LightGBM 튜닝
• Deep Learning 실험 (CNN, LSTM, Transformer)
• 피처 중요도 분석 및 선택
• 사이트 간 일반화 분석
• 실험 추적 (W&B)

---

Week 7 (3/30 ~ 4/5): 앙상블 + 최적화

• 최종 모델 조합 (Stacking / Blending)
• 제출 코드 패키징 (PhysioNet 형식)
• 전체 학습 데이터로 최종 학습

---

Week 8 (4/6 ~ 4/9): 최종 제출

• 제출 코드 검증
• 4/9 Unofficial Phase 제출 완료

---

Week 8-9 (4/10 ~ 4/15): Abstract 작성

• 방법론 + 결과 정리
• CinC Abstract 초안 (전원 참여)
• 4/15 Abstract 제출

---

프로젝트 구조

Spring-2026-Hack-Likelion/
├── README.md
├── requirements.txt
├── .gitignore
│
├── weekly/                       # 주차별 팀원 기여
│   ├── week01-research/          # Week 1: 리서치
│   │   ├── member1/
│   │   ├── member2/
│   │   ├── member3/
│   │   ├── member4/
│   │   └── member5/
│   ├── week02-data/              # Week 2: 데이터 탐색
│   └── ...
│
├── data/                         # 데이터 (.gitignore)
│   ├── raw/
│   ├── processed/
│   └── features/
│
├── src/                          # 공용 소스 코드
│   ├── data/                     # 데이터 로딩/전처리
│   ├── features/                 # 피처 엔지니어링
│   ├── models/                   # 모델 정의
│   ├── training/                 # 학습 파이프라인
│   └── utils/                    # 유틸리티
│
├── notebooks/                    # 공용 노트북
│   ├── eda/
│   └── experiments/
│
├── configs/                      # 실험 설정
├── experiments/                  # 실험 결과 로그
├── submission/                   # 제출용 코드
└── docs/                         # Abstract 등 문서

---

Git 워크플로우

브랜치 전략

main              ← 안정 브랜치 (제출용)
  └── dev         ← 개발 브랜치
       ├── [이름]/week01    ← 개인 주차별 브랜치
       ├── [이름]/week02
       └── feature/xxx      ← 공용 기능 브랜치

작업 흐름 (매주)

# 1. dev에서 개인 브랜치 생성
git checkout dev
git pull origin dev
git checkout -b 본인이름/week01

# 2. 작업 후 push
git add weekly/week01-research/본인이름/
git commit -m "docs: Week 1 리서치 - 본인이름"
git push origin 본인이름/week01

# 3. GitHub에서 PR 생성 (본인이름/week01 → dev)

커밋 메시지 규칙

<type>: <description>

타입:
docs:    조사/문서 작업
feat:    새로운 기능/코드
fix:     버그 수정
data:    데이터 처리 관련
model:   모델 관련
exp:     실험 결과

---

기술 스택

분류	도구	용도
신호 처리	MNE, PyEDFlib, SciPy	PSG 신호 처리/분석
ML	scikit-learn, XGBoost, LightGBM	전통 ML 모델
DL	PyTorch	딥러닝 모델
실험 관리	Weights & Biases	실험 추적
데이터	NumPy, Pandas	데이터 처리
시각화	Matplotlib, Seaborn	그래프
클라우드	GCP (Compute Engine + Storage)	GPU 학습

---

GCP 예산 계획 ($300)

항목	예상 비용	비고
Cloud Storage (100GB)	~$4	2개월
Compute Engine (T4 Spot)	~$100-150	실제 학습 시에만
기타	~$10-20	네트워크 등
합계	~$150-200	여유 있음

---

시작하기

# 1. 레포 클론
git clone https://github.com/Shinhunjun/Spring-2026-Hack-Likelion.git
cd Spring-2026-Hack-Likelion

# 2. Python 환경 (conda)
conda create -n physionet2026 python=3.10
conda activate physionet2026
pip install -r requirements.txt

# 3. dev 브랜치로 이동
git checkout dev

---

주요 참고 자료

챌린지 공식

• PhysioNet Challenge 2026
• Kaggle 데이터셋
• Python 예제 코드

도메인 지식

• 수면다원검사(PSG)
• EEG 주파수 밴드
• AASM 수면 단계 분류

논문 검색

• Google Scholar
• PubMed

---

LikeLion Coding Club - Spring 2026