Hybrid Machine Learning Methods for the Interpretation and Integration of Heterogeneous Multimodal Data

Prevalenta telefoanelor inteligente si a dispozitivelor portabile si folosirea pe scara larga a fiselor medicale electronice au condus la o crestere deosebita a datelor multimodale de sanatate care sunt zgomotoase, neuniforme si sunt colectate la o scara fara precedent.

Aceasta prezentare se concentreaza asupra tehnicilor de invatare automata care invata reprezentari expresive ale datelor multimodale si eterogene pentru modele predictive concepute pentru a interactiona cu expertii in domeniu. In prima parte a prezentarii, accentul se pune pe tehnici pentru partitionarea datelor si utilizarea unei structuri cu dimensiuni reduse pentru a permite vizualizarea si adnotarea de catre oameni. Ultima parte se refera la construirea de modele hibride care combina invatarea profunda cu random forests si fuziunea informatiilor structurate in invatarea reprezentarilor temporale. Aceasta serie de metode evita necesitatea ingineriei caracteristicilor, imbunatatind starea tehnologiei pentru diverse aplicatii biomedicale. Cazurile de utilizare includ clasificarea de alerte intr-un sistem de monitorizare a semnelor vitale, predictia rezultatelor chirurgicale la copiii cu paralizie cerebrala si prognoza progresiei osteoartritei din activitatea fizica a subiectilor. In cele din urma, se va prezenta utilizarea supravegherii slabe pentru clasificarea malformatiilor rare ale valvei aortice din secvente RMN cardiace neetichetate.

Institutie: University of Massachusetts Amherst

Nume complet: Madalina Fiterau Brostean

Titlu academic: Assistant Professor

E-mail: mfiterau'at'cs.umass.edu