Federated Learning-Based Linked Multimodal Clinical Synthetic Data Generation for Clinical Tabular, Imaging, and Text Data
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구B)
2026년
2710112443
과학기술정보통신부
한국연구재단
세명대학교산학협력단
강하예진
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2030.08.31
6,118만원
6,118만원
응용연구
대학
충청북도 제천시
정보/통신 > 정보이론 > 인공지능
1) 연구과제의 최종 목표 ○ 본 연구는 원시 의료데이터를 직접 공유하지 않고도 다기관 의료데이터의 이질적 분포를 학습하고, 정형표형식 데이터·의료영상·임상 텍스트가 환자 단위로 연결된 고품질 멀티모달 의료 합성데이터를 생성·평가하는 가상 연합학습 기반 통합 프레임워크 MMed-FedSyn (Multimodal Medical Federated Synthet...
□ 1차년도 연구목표: Non-IID 분산연합학습 환경 구축 및 T-FedSyn 기반 합성데이터 생성 및 검증- (MIMIC-IV 정형표형식 데이터 확보 및 통합) MIMIC-IV v3.1 기반 환자·입원·ICU 단위 정형표형식 데이터 구축- (정형 의료데이터 전처리 및 표준화) 변수·코드 정리, 단위·스케일 표준화, 인코딩, 결측 및 이상값 처리- (No...
○ 본 연구에서 개발하는 모델은 원시 의료데이터를 직접 공유하지 않고도 정형표형식 데이터, 의료영상, clinical text가 환자 단위로 연결된 멀티모달 의료 합성데이터를 생성·평가하는 기반기술로 활용될 수 있음. 이를 통해 실제 다기관 의료데이터 공유가 제한되는 환경에서도 의료 AI 모델 개발, 예측모델 검증, 데이터 증강, 희귀 환자군 보완 및 합성...