질병 경과 관찰 시 불규칙한 관찰로 인한 혼합 모형의 편향: 언제 우려해야 하며 필요한 경우 결합 모형 설정을 위해 권장 방문 간격이 어떻게 도움이 될 수 있는가?
불규칙한 관찰 데이터에서 혼합 모형을 사용할 때 발생할 수 있는 편향을 식별하고, 권장 방문 간격을 활용한 결합 모형을 통해 편향을 줄일 수 있다.
의료 기록에서 감독 수준의 설명 가능성을 달성하기 위한 비감독 접근법
의료 기록에 대한 자동화된 코딩 작업에서 비감독 학습 기반의 설명 가능성 향상 방법을 제안한다.
병원 환자의 체류 기간 예측을 위한 합성곱 게이트 순환 심층 학습 모델
본 연구는 병원 환자의 체류 기간을 정확하게 예측하기 위해 합성곱 신경망, 게이트 순환 유닛, 밀집 신경망으로 구성된 강력한 하이브리드 심층 학습 모델을 제안한다.
실시간 복잡 이벤트 처리를 활용한 퍼지 규칙 기반 지능형 심혈관 질환 예측
실시간 심혈관 질환 예측을 위해 복잡 이벤트 처리 기술과 퍼지 규칙을 활용하여 정확하고 신뢰할 수 있는 예측 시스템을 제안한다.
포괄적인 수면다원검사 데이터셋과 기계학습 기반 각성 탐지를 위한 종합적인 평가 프레임워크
수면 중 각성 탐지는 수면 장애 진단에 필수적이지만, 임상 프로토콜과 기계학습 방법 간의 불일치로 인해 실제 임상 현장에서의 활용이 어려웠다. 이 연구는 근사적 위치 파악과 정확한 이벤트 카운트(ALPEC) 프레임워크를 제안하여 이러한 문제를 해결하고, 다양한 생체 신호를 활용한 각성 탐지 모델의 성능을 향상시켰다.
의료 대형 모델: 환자 이벤트 시퀀스를 활용한 최신 의료 비용 및 위험 예측
대형 의료 모델(LMM)은 환자 의료 이벤트 시퀀스를 활용하여 의료 비용과 위험을 정확하게 예측할 수 있는 최신 기술이다.
실시간 수술 중 저혈압 예측을 위한 하이브리드 다중 요인 프레임워크
수술 중 저혈압 예측을 위해 시계열 예측 문제로 재정의하고, 분포 변화와 복잡한 시계열 구조를 효과적으로 다루는 하이브리드 다중 요인 프레임워크를 제안한다.
의료 분야에서 점진적 데이터 과학의 실용적 과제
점진적 데이터 과학 접근법을 사용하여 의료 데이터 시각화 프로젝트를 수행할 때 발생하는 실용적 과제와 기회를 탐구한다.
수술 후 섬망 표현형 군집화를 위한 설명 가능한 기계 학습
수술 후 섬망의 다양한 표현형을 식별하고 각 표현형의 주요 위험 요인을 설명할 수 있는 데이터 기반 접근법을 제안한다.
대규모 다중 모달 모델을 이용한 병리 보고서의 표준화와 신뢰도 평가 및 예후 분석
대규모 다중 모달 모델을 활용하여 병리 보고서에서 정보를 자동으로 추출하고 표준화된 보고서를 생성하며, 추출된 정보의 신뢰도를 평가하고 이를 바탕으로 환자 예후를 분석할 수 있다.
© 2024 by Linnk AI