GAMMA-PD는 파킨슨병 환자의 다중 모달 의료 데이터를 활용하여 운동 장애 하위 유형을 효과적으로 분류하고 예측할 수 있는 새로운 이종 초그래프 학습 프레임워크이다.
불규칙한 관찰 데이터에서 혼합 모형을 사용할 때 발생할 수 있는 편향을 식별하고, 권장 방문 간격을 활용한 결합 모형을 통해 편향을 줄일 수 있다.
의료 기록에 대한 자동화된 코딩 작업에서 비감독 학습 기반의 설명 가능성 향상 방법을 제안한다.
본 연구는 병원 환자의 체류 기간을 정확하게 예측하기 위해 합성곱 신경망, 게이트 순환 유닛, 밀집 신경망으로 구성된 강력한 하이브리드 심층 학습 모델을 제안한다.
실시간 심혈관 질환 예측을 위해 복잡 이벤트 처리 기술과 퍼지 규칙을 활용하여 정확하고 신뢰할 수 있는 예측 시스템을 제안한다.
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.
대형 의료 모델(LMM)은 환자 의료 이벤트 시퀀스를 활용하여 의료 비용과 위험을 정확하게 예측할 수 있는 최신 기술이다.
수술 중 저혈압 예측을 위해 시계열 예측 문제로 재정의하고, 분포 변화와 복잡한 시계열 구조를 효과적으로 다루는 하이브리드 다중 요인 프레임워크를 제안한다.
점진적 데이터 과학 접근법을 사용하여 의료 데이터 시각화 프로젝트를 수행할 때 발생하는 실용적 과제와 기회를 탐구한다.
수술 후 섬망의 다양한 표현형을 식별하고 각 표현형의 주요 위험 요인을 설명할 수 있는 데이터 기반 접근법을 제안한다.