불규칙적으로 샘플링된 시계열 데이터를 위한 TrajGPT: 건강 궤적 분석을 위한 시계열 표현 학습
TrajGPT는 데이터 의존적 감쇠 메커니즘을 통해 관련 과거 정보를 선택적으로 활용하여 불규칙적으로 샘플링된 시계열 데이터의 연속적인 동적 패턴을 효과적으로 학습할 수 있다. 이를 통해 TrajGPT는 질병 발병 예측, 약물 사용 예측, 표현형 분류 등의 다양한 의료 분석 과제에서 우수한 성능을 보인다.
의료 시계열 데이터 보간을 위한 변분 베이지안 접근법: Bayes-CATSI
Bayes-CATSI 모델은 변분 베이지안 추론을 통해 불확실성 정량화를 제공하며, 기존 CATSI 모델보다 우수한 보간 성능을 달성한다.
파킨슨병 환자의 다중 모달 운동 장애 평가에 대한 그래프 기반 분석
GAMMA-PD는 파킨슨병 환자의 다중 모달 의료 데이터를 활용하여 운동 장애 하위 유형을 효과적으로 분류하고 예측할 수 있는 새로운 이종 초그래프 학습 프레임워크이다.
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.
