15·01
15 min
FIM予後予測で学ぶロジスティック回帰 → XGBoost → DAFT
— 段階的拡張で習得する実装
同一データセットで 3 モデルを段階的に上げていく。各段階の意思決定と落とし穴を実装ベースで。
// case / fim-progressive
READ →
理論を実装に落とし込む 7 つのケーススタディ。FIM 予後予測のロジ → XGBoost → DAFT 段階的拡張、頭部 CT 多モーダル予後予測、SHAP で読む歩行自立予測、DMD 動画解析、加速度計歩行解析、論文要約 AI、医療 AI 論文化の全工程まで——理論と実務の橋渡しを集めました。
同一データセットで 3 モデルを段階的に上げていく。各段階の意思決定と落とし穴を実装ベースで。
NCCT 画像と臨床表データを DAFT で融合し、90 日後 mRS を予測する研究の追体験。
歩行自立予測モデルに SHAP を適用し、結果を臨床医と議論可能な形で提示する。
撮影プロトコル、姿勢推定、特徴量設計、6MWT との相関——縦断研究を一気通貫で。
ストライド検出、対称性、エネルギー指標。生センサーから臨床的特徴量への翻訳。
PDF 取り込み、構造化要約、引用検証。ハルシネーション対策を含むパイプライン。
問いの定義から論文投稿、査読対応まで。実プロジェクトのタイムラインで提示。