질병 진단에는 정확하고 신뢰할 수 있는 의사결정 과정이 필요하다. 조기 진단은 질병의 진행을 최소화하고 환자들에게 적절한 치료 방법을 제안하는데 매우 중요한 역할을 한다. 수많은 임상 전문가들이 특정 질병 진단에 유용한 생물학적 표지자를 찾고자 노력하고 있다. 질병 진단에 도움을 주는 중요한 요소로는 임상 데이터, 진단 검사 결과 및 영상 데이터가 있다. 이와 더불어, 전통적인 기계학습 기법이 임상 전문가들에게 질병 진단에 보조적인 정보를 제공하는데 이용되고 있다. 최근 딥러닝 모델의 발전으로 의료 분야에서 탁월한 성능을 보이는 기법들이 제안되고 있다. 그러나, 의료 분야는 의학적 지식을 가진 전문가가 많은 시간을 들여 수작업으로 데이터를 분류해야 하는 문제로 인해 방대한 데이터를 확보하기 어려워 딥러닝 기법을 적용하는데 많은 어려움이 따른다.

본 학위논문은 임상 전문가들의 의사결정 과정을 도울 수 있는 자동화된 진단 시스템을 제안하였다. 먼저, 전통적인 기계학습 기법을 이용하여 다양한 종류의 두통을 자동으로 분류할 수 있는 모델을 제안하였다. 그 다음, 사전 학습을 통해 뇌종양 영역을 분할하고 이를 활용하여 환자의 생존 기간을 예측하는 기법을 제안하였다. 마지막으로, 뇌미세출혈 영역 분할 모델의 성능을 높일 수 있는 자기지도 학습 기법을 제안하였다. 이러한 연구들을 통해 의료 분야에서 기계학습 기법을 적용할 때의 문제점인 의료 데이터의 부족 및 클래스 불균형 문제를 해결하고자 하였다.