• 목록

<청취 후기>
제목: Spatial close-kin mark-recapture methods to estimate dispersal parameters and barrier strength for mosquitoes
본 연구는 모기의 생애주기를 기준으로 행동반경, 주변환경을 공간 및 시간적으로 모델링하여 확산 가능성 및 확산 공간을 예측하는 모델을 제안한다. 모기 친족쌍의 공간적 분포를 활용해 모기의 이동거리와 지형적 장벽의 영향을 추정하여 시뮬레이션을 통해 표본 수와 배치에 따라 추정 정확도에 미치는 영향을 검증했다. 특수한 도메인이지만 확률 모델링과 함께 이를 learning objective에 반영하고 시뮬레이션을 통해 방법론의 신뢰성을 검증했다는 점에서 인상적이었다.

<발표 후기>
제목: Semi-Supervised Survival Analysis via Decoupled Pseudo-Label Learning
이번 발표에서는 완전히 label이 부재한 데이터를 활용하기 위한 준지도 생존분석 프레임워크인 Decouple을 발표하였다. 생존분석은 event 발생 시점과 censoring 여부를 함께 학습해야 하므로, 임상 추적에 많은 시간과 비용이 필요하며 충분한 labeled data를 확보하기 어렵다는 한계가 있다. 또한 기존 classification 기반 SSL처럼 unlabeled sample에 하나의 pseudo-label을 부여할 경우, 불확실한 event time을 확정하거나 censored sample을 실제 event로 잘못 처리하여 생존분포 전반에 왜곡된 supervisory signal을 제공할 수 있다. 이를 해결하기 위해 본 연구에서는 EMA teacher가 원본 및 augmented view에 대해 생성한 예측의 안정성과 temporal entropy를 평가하고, 시간적으로 명확한 sample은 pseudo-event로, 불확실하거나 장기 생존 가능성이 높은 sample은 pseudo-censor로 분리하여 서로 다른 loss를 적용하였다. 특히 불확실한 sample을 임의의 event로 강제하지 않고 일정 시점까지 생존한 것으로 학습함으로써 unlabeled data를 보다 안전하게 활용하도록 설계하였다. 또한 backbone 내부 구조가 아닌 예측 survival distribution을 기준으로 동작하므로 discrete-time NnetSurv와 continuous-time MDN에 모두 적용할 수 있는 model-agnostic 특성을 갖는다. COVID-19-CXR, RenalCT를 포함한 의료영상 데이터와 SUPPORT2, Framingham, FLChain tabular 데이터에서 ERM 및 Mean Teacher와 비교한 결과, 제한된 label 조건에서도 전반적으로 가장 높은 C-index를 달성하였으며, IBS 개선은 일관되지 않아 calibration보다는 risk discrimination 향상에 강점이 있음을 확인하였다.