應用於智慧醫療的高維資料統計與多模態人工智慧建模研究-基於 γ-SUP 方法的深度分群;Deep Clustering Based on Gamma-Sup Method

NCU Institutional Repository > 理學院 > 統計研究所 > 研究計畫 > Item 987654321/109651

請使用永久網址來引用或連結此文件: https://ir.lib.ncu.edu.tw/handle/987654321/109651

題名:	應用於智慧醫療的高維資料統計與多模態人工智慧建模研究-基於 γ-SUP 方法的深度分群;Deep Clustering Based on Gamma-Sup Method
作者:	王紹宣
貢獻者:	國立中央大學統計研究所
關鍵詞:	貝葉斯方法;分類;分群;深度學習;卷積神經網路;降維;Gamma-SUP;稀疏變數選擇;視覺化;Bayesian approach;classification;clustering;deep learning;high dimensional data;convolutional neural network;dimension reduction;gamma-SUP;sparse variable selection;visdulization
日期:	2026-07-23
上傳時間:	2026-07-27 15:44:59 (UTC+8)
出版者:	國家科學及技術委員會(本會)
摘要:	本計畫之主要目的在於發展兼具高效能與可解釋性的統計與人工智慧方法，以回應高維、多模態醫療資料分析在智慧醫療發展中所面臨的核心挑戰。透過結合深度學習、貝葉斯統計、變數選擇與降維理論，本計畫將擴充既有 Gamma-SUP 分群方法，使其能同時處理多模態資料、辨識關鍵影響變數，並提供具理論基礎的降維機制，進而提升模型在實務應用中的透明度與可信度。此一研究方向不僅補足現有人工智慧模型在可解釋性上的不足，亦回應近年來可解釋人工智慧（Explainable AI）在醫療領域的迫切需求。在社會影響層面，本計畫有助於提升智慧醫療系統對臨床決策的支持能力，使醫師能更清楚理解模型所依據的關鍵變數與分群結果，進而增進醫療決策的安全性與可接受性，對公共健康與醫療品質具有正向影響。在經濟與產業發展層面，所提出之方法可應用於醫療影像、臨床數據與多源生醫資料分析，有助於降低高維資料處理的計算成本與能源消耗，並提升人工智慧模型在產業落地時的可信度與法規適應性，進而促進智慧醫療、精準醫療與醫療科技產業的發展。此外，本計畫所建立之統計建模與分析框架，亦可延伸應用至其他高維資料領域，對資料科學相關產業與人才培育具有長期且深遠的影響。
關聯:	財團法人國家實驗研究院科技政策研究與資訊中心
顯示於類別:	[統計研究所] 研究計畫

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	22	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....