2026년 44주차 · 급상승 연구 주제
컴퓨터 과학 · Topological and Geometric Data Analysis
연 396 → 848편
분야 평균 대비 +87%p
복잡하고 고차원적인 데이터에서 숨겨진 구조와 패턴을 효과적으로 발견하여, 기존 통계 및 머신러닝 기법의 한계를 극복하기 위한 새로운 접근법으로 주목받고 있습니다.
출판량은 OpenAlex 전수 데이터를 최근 12개월과 직전 12개월로 나눠 비교한 값이에요. 분야 전체가 함께 커지는 착시를 빼기 위해 분야 중앙값 성장률을 차감한 초과 성장(+87%p)으로 순위를 매겼어요.
학부·석사 수준에서 실제로 착수 가능한 스케일로 좁힌 방향이에요. 마음에 드는 걸 고르면 카라멜 조교가 이어서 구체화해 줘요.
TDA를 활용한 고차원 의료 영상 데이터의 비정상 패턴 탐지
아이디에이션2센서 네트워크 데이터의 위상학적 특징 분석을 통한 이벤트 감지
아이디에이션3그래프 신경망과 TDA 결합으로 복잡계 네트워크 분석 성능 향상
아이디에이션인용 속도와 최신성으로 고른 논문이에요. 한국어 요약을 먼저 보고, 원문은 8개 섹션 풀 분석으로 이어갈 수 있어요.
An interpretable deep learning framework for classifying neuronal morphologies using topology and graph neural networks
신경세포의 형태는 정보 처리 방식에 결정적인 영향을 미치지만, 객관적이고 일관된 형태 분류는 여전히 난제로 남아있습니다. 기존 접근 방식은 전문가의 주관적 판단이나 사전 정의된 특징에 의존하여 재현성과 해석 가능성이 부족했습니다. 본 연구는 이러한 한계를 극복하고자 위상 데이터 분석, 그래프 신경망, 전통적 형태 측정법을 통합한 해석 가능한 딥러닝 프레임워크를 제안합니다. 제안된 프레임워크는 신경세포의 기하학적, 위상학적, 그래프 구조적 정보를 포착하기 위해 상호 보완적인 수학적 표현들을 비교합니다. 이를 통해 전문가가 라벨링한 …
Magnitude homology of geodesic spaces
본 연구는 측지 거리 공간의 크기 호몰로지 군을 탐구합니다. 먼저 일반 거리 공간의 2차 크기 호몰로지를 특정 단체 복합체의 0차 호몰로지 군을 이용해 기술하고, 이를 측지 거리 공간에서는 측지선을 통해 해석합니다. 측지 거리 공간의 3차 크기 호몰로지 또한 단체 복합체로 기술될 수 있음을 보입니다. 특정 가정 하에, 이러한 단체적 기술은 3차 크기 호몰로지 클래스의 불변량을 교차수로 도입할 수 있게 합니다. 최종적으로, 특정 비분기 가정을 만족하는 측지 거리 공간의 모든 크기 호몰로지 군에 대한 완전한 기술을 제공합니다. 이 …
Train-Free Segmentation in MRI with Cubical Persistent Homology
본 연구는 위상 데이터 분석(Topological Data Analysis)에 기반한 무학습(train-free) MRI 분할 프레임워크를 탐구합니다. 이 파이프라인은 세 단계로 진행됩니다. 먼저 자동 임계값 설정을 통해 분할할 전체 객체를 식별하고, 다음으로 위상이 미리 알려진 특징적인 부분 집합을 감지하며, 마지막으로 분할의 다양한 구성 요소를 추론합니다. 핵심 요소는 퍼시스턴스 다이어그램(persistence diagram)에서 근사 대표 주기(approximate representative cycle)를 추출하는 것입니다.…
