메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Amirhossein Danesh (Sungkyunkwan University) Firuz Juraev (Sungkyunkwan University) Shaker El-Sappagh (Sungkyunkwan University) Tamer Abuhmed (Sungkyunkwan University)
저널정보
한국지능정보시스템학회 지능정보연구 지능정보연구 제30권 제2호
발행연도
2024.6
수록면
25 - 59 (35page)
DOI
10.13088/jiis.2024.30.2.025

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
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.

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 (78)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-151-24-02-090063893