Thesis supervisor: András Gézsi
Location of studies (in Hungarian): Department of Measurement and Information Systems Abbreviation of location of studies: MIT
Description of the research topic:
Az orvosbiológiai adatok sokrétűsége kihívást jelent a különböző típusú információk egyesítésének és értelmezésének igénye miatt. Például egy adathalmazban lehetnek genetikai adatok, képalkotó eljárásokból származó felvételek és klinikai feljegyzések is. Mindezen adatok különböző formátumokban és struktúrákban érhetők el, ami megnehezíti azok integrálását és elemzését. Ugyanakkor ez a sokrétűség lehetőséget is teremt: a különböző típusú adatok kombinálása új összefüggéseket és ismereteket tárhat fel, amelyek segíthetnek jobban megérteni egyes betegségek mechanizmusait vagy előre jelezni a betegségek kimenetelét. Továbbá, az ilyen összetett adathalmazok lehetővé teszik a gépi tanulási modellek továbbfejlesztését is, hogy hatékonyabban kezeljék a multimodális adatokat, és ezzel javítsák az egészségügyi diagnosztikai és prognosztikai alkalmazásokat.
A transformer architektúrák a természetes nyelvfeldolgozás terén elért sikereikkel bizonyították, hogy potenciálisan képesek a multimodális adatok fúziójának és elemzésének elősegítésére, ezáltal maximalizálva az adathalmazokból kinyerhető tudás mértékét. A kutatás során a cél az, hogy azonosítsuk, majd továbbfejlesszük azokat a módszereket, melyek lehetővé teszik a biomedikai adatok hatékony fúzióját, és ezáltal tovább mélyíthetik az egészségügyi ágazatban rejlő tudás feltárását.
Required language skills: English Number of students who can be accepted: 2
Login
