Youssef Wally
Stillingsbeskrivelse
Jeg fokuserer på avanserte representasjonslæringsteknikker for grafer, med særlig vekt på å utvikle nye likhetsmål og klyngemetoder. Forskningen min utforsker hvordan relasjonsgrafer—utvunnet fra komplekse datasett som romlig omikk—kan fange opp intrikate avhengigheter utover parvise interaksjoner, og dermed gi en dypere forståelse av medisinske og biologiske data. Gitt utfordringene knyttet til varierende grafstrukturer og merkede noder, har arbeidet mitt som mål å integrere underliggende semantiske relasjoner gjennom kunnskapsgraf-embeddinger og ikke-euklidiske geometrier. Ved å utnytte disse avanserte teknikkene søker jeg å utvikle mer meningsfulle likhetsmål som forbedrer analysen av medisinske og helserelaterte data, og som til syvende og sist bidrar til bedre prediktiv modellering og beslutningstaking i kliniske og biomedisinske anvendelser.
Publikasjoner utenom Cristin
- DiaMond: Dementia Diagnosis with Multi-Modal Vision Transformers Using MRI and PET
- Personalized k-fold Cross-Validation Analysis with Transfer from Phasic to Tonic Pain Recognition on X-ITE Pain Database
Forskningsinteresser
Mine interesser ligger i skjæringspunktet mellom medisinske og helserelaterte data, med et sterkt fokus på å utvikle avanserte likhetsmål for grafstrukturerte data. Spesielt er jeg opptatt av å utnytte representasjonslæringsteknikker og ikke-euklidiske embedding-metoder for å forbedre analysen av pasientjournaler, biologiske nettverk og kliniske beslutningssystemer. Ved å integrere domeneekspertise—slik som de hierarkiske relasjonene mellom medisinske diagnoser, de funksjonelle forbindelsene i molekylære interaksjoner eller den kontekstuelle betydningen av kliniske forløp—har jeg som mål å skape mer meningsfulle likhetsmål som styrker prediktiv modellering og kunnskapsutvinning i helsesektoren. I tillegg utforsker jeg hvordan relasjonelle taksonomier av medisinske konsepter og pasientforløp kan embeddes på en effektiv måte for å forbedre strategier for datautvidelse, og dermed øke robustheten og tolkbarheten til maskinlæringsmodeller i medisinske anvendelser.