[논문리뷰] Fusing Modalities by Multiplexed Graph NeuralNetworks for Outcome Prediction in Tuberculosis 본 논문은 결핵과 같은 복잡한 질병에서 임상, 유전체, 영상 등 다양한 모달리티 데이터를 효과적으로 통합하여 환자 맞춤형 예후 예측과 치료 가이드를 제공하기 위한 새로운 융합 프레임워크를 제안한다. 질병 관련 정보는 환자마다 다르게 나타날 수 있으며, 모든 모달리티가 항상 존재하지 않거나 모든 정보가 유의미하지 않을 수 있기 때문에, 기존의 단순한 조기(early), 후기(late), 중간(intermediate) 통합 방식은 예측 성능에 한계가 있다. 이를 해결하기 위해, 제안된 방법은 각 모달리티를 타깃 인코딩(targeted encoding)으로 표현하고, 통합된 잠재 공간에서 추출한 핵심 특징들을 바탕으로 멀티플렉스 그래프(multiplexed graph)를 구성한다. 이 그래프 구조로부터 효과적.. [논문리뷰] Topological feature search method for multichannel EEG Application in ADHD classification (2) 본 논문에서는 ADHD(주의력결핍 과잉행동장애) 진단에 다채널 EEG(뇌파) 데이터를 활용하기 위한 새로운 위상수학적 특징 검색 방법을 제시한다. 기존 TDA(위상수학적 데이터 분석) 방법의 한계를 극복하기 위해, 다채널 EEG 데이터의 숨겨진 위상수학적 특징을 정확하게 식별하는 데 초점을 맞추고 있다. 특히, k-PDTM(k-Power Distance to Measure)과 MKDE(Multivariate Kernel Density Estimation) 기술을 통합하여 위상수학적 특징 손실 문제를 해결하고, PI(Persistence Image) 방법을 통해 특징을 추출한다. 해당 연구는 EEG 신호의 비선형적 특성을 분석하고 ADHD 진단의 정확도, 민감도, 특이성을 향상시키는 데 기여하며, 궁극적으.. [논문리뷰] Topological feature search method for multichannel EEG Application in ADHD classification (1) 본 논문에서는 ADHD(주의력결핍 과잉행동장애) 진단에 다채널 EEG(뇌파) 데이터를 활용하기 위한 새로운 위상수학적 특징 검색 방법을 제시한다. 기존 TDA(위상수학적 데이터 분석) 방법의 한계를 극복하기 위해, 다채널 EEG 데이터의 숨겨진 위상수학적 특징을 정확하게 식별하는 데 초점을 맞추고 있다. 특히, k-PDTM(k-Power Distance to Measure)과 MKDE(Multivariate Kernel Density Estimation) 기술을 통합하여 위상수학적 특징 손실 문제를 해결하고, PI(Persistence Image) 방법을 통해 특징을 추출한다. 해당 연구는 EEG 신호의 비선형적 특성을 분석하고 ADHD 진단의 정확도, 민감도, 특이성을 향상시키는 데 기여하며, 궁극적으.. 이전 1 다음
