High-Dimensional Nonlinear Data Assimilation Using Score-Based Generative Models: EEG and fMRI-Based Brain State Estimation and Disease Prediction
이공학학술연구기반구축(R&D) · 석사과정생연구장려금지원
2026년
2340066249
교육부
한국연구재단
한국과학기술원
윤은비
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
1,200만원
1,200만원
응용연구
대학
대전광역시 유성구
수학 > 응용수학 > 인공지능수학/데이터사이언스수학
본 연구의 최종 목표는 뇌와 같은 초고차원 비선형 시스템에 적용 가능한 스코어 기반 데이터 동화 방법을 개발하고, 뇌파 및 기능적 자기공명영상 관측 신호로부터 잠재 뇌상태를 추정하는 알고리즘을 구축하며, 추정된 잠재 뇌상태를 바탕으로 질환 관련 지표의 정량적 추정과 예측 가능성을 평가하는 것이다. 이를 위해 관측 방정식을 반영한 새로운 확산 과정을 설계하고...
본 연구는 다음과 같은 연구개발내용으로 수행된다. 첫째, 기존의 스코어 기반 데이터 동화는 확산 과정이 관측 방정식과 독립적으로 설정되어 우도 스코어를 이론적으로 정당화하기 어려운 임의적 근사 또는 몬테카를로 방법으로 계산해야 하는 한계가 있다. 이에 본 연구에서는 관측 방정식을 반영한 확산 과정의 확률미분방정식을 설계하고, 이로부터 우도 스코어를 계산하여...
본 연구는 스코어 기반 생성모델에 데이터 동화에 적합한 새로운 확산과정을 설계하여 데이터 동화 방법을 고차원 비선형 시스템까지 확장하고, 복잡한 사후분포를 안정적으로 추정할 수 있는 방법론을 제시함으로써 데이터 동화 이론의 확장에 기여하고자 한다. 또한 뇌질환은 비침습적 관측 신호에 주로 의존하므로 질환의 진행 기전을 직접 검증하고 조기에 정밀하게 진단하는...