데알못정을

! 개인 연구 미팅 준비하면서 정리한 내용으로, 의식의 흐름 전개가 있을 수 있음 ! Potential outcome은 Rubin의 Potential Outcome Framework에서 나온 개념이다. 이 개념은 한 사람에게 가능한 모든 treatment 시나리오에 따른 결과를 말한다. 가령 어떤 치료가 있을 때 Y(1)은 치료를 받았을 때의 potential outcome이고, Y(0)은 치료를 받지 않았을 때의 potential outcome이다.Observational data에서는 두 potential outcome 중 단 하나만 관측이 가능하다. 이 경우 potential outcome 중 실제로 관측되지 않은 것을 counterfactual outcome이라 한다. 가령 어떤 환자가 실제로 치..

Balanced Representation in Causal Machine Learning- 개념Balanced representation은 인과 추론(causal inference) 또는 counterfactual prediction 분야에서 사용하는 개념으로,처치(treatment)와 비처치(control) 그룹 간 confounding bias를 줄이기 위해 학습된 표현 공간(latent space)을 의미쉽게 말하면:처치 여부와 관계없이 비슷한 환자들이 비슷한 표현(embedding)을 갖도록 만드는 것.- 배경인과 추론에서 큰 문제는 confounding예: 건강한 사람은 치료를 안 받고, 아픈 사람은 치료를 받는다면 → 치료 효과 자체를 구분하기 어려움Randomized trial이 아니라면 ..

본 포스팅은  Feuerriegel, Stefan, et al. "Causal machine learning for predicting treatment outcomes." Nature Medicine 30.4 (2024): 958-968.를 읽고 정리한 글임을 밝힙니다. causal ML in medicine은 치료로 인한 환자 결과의 변화와 같은 인과 관계를 예측하는 것을 목표로 한다. causal ML은 RCT(Randomized Controlled Trials)를 통해 얻은 실험 데이터와 임상 등록, 전자 건강 기록 및 기타 RWD(Real-World Data) 소스에서 얻은 관찰 데이터를 모두 사용하여 치료 효과를 추정하고 임상적 증거를 생성하는 데 사용될 수 있다.causal ML의 핵심 강점..

https://medium.com/@karanbhutani477/the-causal-revolution-in-machine-learning-moving-beyond-correlation-to-causation-07c4531c2cc0 The Causal Revolution in Machine Learning: Moving Beyond Correlation to CausationCausal Machine Learning (Causal ML) represents a fundamental shift in how we approach artificial intelligence, moving beyond simple pattern…medium.com위 블로그를 읽고 정리한 글임을 밝힙니다. 인과적 머신러닝의 이해인..

심각한 질병이나 다수의 부상의 경우에 혈압이 매우 낮아지고 이로 인해 순환 부전(Circulaotory Failure)를 유발할 수 있다. 혈압은 organ에 영양소, 산소를 공급할 만큼 큰 수준을 유지한다.(혈관에 영향을 줄 정도로 크지는 않다.) 이러한 혈압이 낮아지게 되면, 세포들이 정상 기능을 하는데 필요한 산소의 양이 부족해진다. 이를 순환 부전(Circulaotory Failure)이라 부른다. 따라서 순환 부전이 지속된다면 organ은 정상 기능을 하지 않게 된다. 예를 들어 순환 부전으로 인해 신장이 손상되면 혈액을 정상적으로 소변으로 변환하기 어려울 것이고, 이렇게 되면 circulatory shock라 부르는 심각한 환경을 초래한다. 뇌에 전달되는 산소의 양과 피부에 전달되는 혈액의 양..

이 글은 Rohit Kundu가 작성한 "Domain Adaptation in Computer Vision: Everything You Need to Know"를 읽고서, 한글 번역 및 핵심 정리(요약) + 추가 정리를 위해 작성되었습니다. 또한, BOAZ ADV project를 위한 팀 세미나를 위해 정리했기 때문에, 원래 출처의 내용 중 일부 내용이 생략되었습니다. Introduction 딥러닝 알고리즘은 classification task 부터, object detection까지 다양한 Computer Vsion 분야에서 사용되었다. 하지만 이는 두 가지 문제점이 있었는데, - 첫째, neural network를 효과적으로 학습하기 위해 label이 있는 많은 데이터를 학습해야한다.(데이터에 lab..