医療機械学習

Войти

аналитика - 医療機械学習

医療機械学習タスクにおいて、大規模言語モデルのエンベディングは生データ特徴量と比較して競争力のある性能を示すが、依然として課題が残されている。

連邦学習を用いて、プライベートデータから抽出した医療知識を医療財団モデルに効果的に注入する手法FEDKIM

医療費の無駄を削減し、患者の健康管理を改善するために、医療履歴データを活用した最先端の予測モデルを開発した。

呼吸音声データを用いたCOPD及びCOVID-19の呼吸パターン検出モデルにおいて、性別バイアスを大幅に軽減することができる。

医療分野における人工知能の利用拡大に伴い、患者情報の機密性保護が重要な課題となっている。合成データ生成手法は、この課題に対する有望な解決策を提供する。本研究では、敗血症検出問題を対象に、統計的手法を用いた合成データ生成手法を提案し、その有用性と機密性保護の観点から評価を行った。

手術後合併症の予測に関する人工知能モデルの説明可能性と透明性を高めるための包括的なフレームワークを提案し、その実装プロトタイプを紹介する。

EHRデータに適用されたBERT系モデルの基本設計選択肢を慎重に最適化し、幅広い医療課題で一貫して高性能を発揮する基盤を構築した。

医療時系列データの重要なイベントを中心とした対照学習により、患者の予後予測モデルの性能を向上させることができる。

心血管疾患リスクのある患者の医療履歴とラボデータを使用して、慢性腎臓病を早期に予測する説明可能な機械学習システムを開発した。

本研究は、ベイズ型モンテカルロドロップアウトモデルとカーネル化を組み合わせた新しいアプローチを提案し、医療分野における信頼性の高い予測を実現する。

О нас

Продукты

Ресурсы