인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.6
- 수록면
- 25 - 59 (35page)
- DOI
- 10.13088/jiis.2024.30.2.025
이용수
초록· 키워드
패혈증은 감염에 대한 과도한 면역 반응이 특징인 복잡하고 생명을 위협하는 상태로, 병원에서 높은 사망률을 초래한다. 빠르고 정확한 진단은 생존율을 향상시키는 데 필수적이지만, 현재의 관행은 개인화된 예측 도구가 부족하다. 전자 의무 기록의 등장은 자동화된 임상 의사 결정 시스템의 개발을 촉진시켰지만, 이러한 도구의 효과는 기계 학습(ML) 및 디지털 트윈(DT) 기술의 사용을 통해 크게 향상시킬 수 있다. 본 연구는 중환자실(ICU)에서 시계열 환자 데이터를 분석하기 위해 DT 기술을 통합한 새로운 계층적 ML 모델을 도입함으로써 패혈증 관리에서 중요한 격차를 메우고자 한다. MIMIC-IV 데이터 세트에서 강력한 코호트를 활용하여, 고전적, 정적 앙상블 및 동적 앙상블을 포함한 다양한 ML 모델을 구현하고 최적화한다. KNOP 모델이 기존의 방법론을 능가하며, 의학적으로 직관적이고 신뢰할 수 있는 패혈증 예측 방법을 제공한다는 것을 나타낸다. 이 선구적인 연구는 ICU 패혈증 예측에 DT기술과 동적 앙상블을 적용한 최초의 연구로, 환자 맞춤형 건강 관리에서 미래의 발전을 위한 기초를 제공한다.
#Sepsis Prediction
#Digital Twin
#Machine Learning
#Intensive Care Unit
#Time-Series Analysis
#패혈증 예측
#디지털 트윈
#기계 학습
#중환자실
#시계열 분석
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- 1. Introduction
- 2. Related works
- 3. Materials and methods
- 4. Proposal framework
- 5. Performance assessment
- 6. Experimental configuration
- 7. Results of classification
- 8. Conclusion
- 9. Future work
- References
- 국문요약
참고문헌
참고문헌 신청최근 본 자료
UCI(KEPA) : I410-ECN-151-24-02-090063893
