論文の概要: Survival Cluster Analysis

• arxiv url: http://arxiv.org/abs/2003.00355v1
• Date: Sat, 29 Feb 2020 22:41:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 20:16:52.305627
• Title: Survival Cluster Analysis
• Title（参考訳）: サバイバルクラスタ解析
• Authors: Paidamoyo Chapfuwa, Chunyuan Li, Nikhil Mehta, Lawrence Carin, Ricardo Henao
• Abstract要約: 異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。 このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
• 参考スコア（独自算出の注目度）: 93.50540270973927
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Conventional survival analysis approaches estimate risk scores or individualized time-to-event distributions conditioned on covariates. In practice, there is often great population-level phenotypic heterogeneity, resulting from (unknown) subpopulations with diverse risk profiles or survival distributions. As a result, there is an unmet need in survival analysis for identifying subpopulations with distinct risk profiles, while jointly accounting for accurate individualized time-to-event predictions. An approach that addresses this need is likely to improve characterization of individual outcomes by leveraging regularities in subpopulations, thus accounting for population-level heterogeneity. In this paper, we propose a Bayesian nonparametrics approach that represents observations (subjects) in a clustered latent space, and encourages accurate time-to-event predictions and clusters (subpopulations) with distinct risk profiles. Experiments on real-world datasets show consistent improvements in predictive performance and interpretability relative to existing state-of-the-art survival analysis models.
• Abstract（参考訳）: 従来の生存分析は、共変量で条件付けられたリスクスコアや個人化された時間-時間分布を推定する。 実際には、様々なリスクプロファイルや生存分布を持つ(未知の)サブ集団から生じる、大きな集団レベルの表現型不均一性が存在することが多い。 結果として、異なるリスクプロファイルを持つ亜集団を識別するための生存率分析の必要性は無様であり、同時に正確な個別化時間対事象予測を共同計算している。 このニーズに対処するアプローチは、亜集団の正規性を利用して個々の結果のキャラクタリゼーションを改善する可能性が高いため、人口レベルの不均一性が考慮される。 本稿では,クラスタ化された潜在空間における観測(サブジェクト)を表現するベイズ非パラメトリックスアプローチを提案し,リスクプロファイルの異なる正確な時間-事象予測とクラスター(サブポピュレーション)を推奨する。 実世界のデータセットの実験では、既存の最先端サバイバル分析モデルと比較して予測性能と解釈可能性が一貫した改善を示した。

関連論文リスト

• HACSurv: A Hierarchical Copula-based Approach for Survival Analysis with Dependent Competing Risks [51.95824566163554]
  HACSurvは、競合するリスクを持つデータから構造や原因特異的生存関数を学習する生存分析手法である。 リスクと検閲の間の依存関係をキャプチャすることで、HACSurvはより良い生存予測を実現する。
  論文  参考訳（メタデータ） (2024-10-19T18:52:18Z)
• Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
  我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。 さらに、テストポイントがトレーニングセットと非自明な相関を持ち、時系列予測で頻繁に発生するような場合まで分析を拡張します。 我々は多種多様な高次元データにまたがって理論を検証する。
  論文  参考訳（メタデータ） (2024-08-08T17:27:29Z)
• Learning Survival Distribution with Implicit Survival Function [15.588273962274393]
  強い仮定を伴わない生存分布推定のためのインプシットニューラルネットワーク表現に基づくインプシット生存関数(ISF)を提案する。 実験の結果、ICFは3つの公開データセットで最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-05-24T02:51:29Z)
• Heterogeneous Datasets for Federated Survival Analysis Simulation [6.489759672413373]
  本研究では、既存の非フェデレーションデータセットから再現可能な方法で開始することで、現実的な異種データセットを構築する新しい手法を提案する。 具体的には、ディリクレ分布に基づく2つの新しいデータセット分割アルゴリズムを提供し、各データサンプルを慎重に選択したクライアントに割り当てる。 提案手法の実装は,フェデレートされた環境をシミュレートしてサバイバル分析を行うことを推奨し,広く普及している。
  論文  参考訳（メタデータ） (2023-01-28T11:37:07Z)
• Deep Clustering Survival Machines with Interpretable Expert Distributions [14.938859205541014]
  本稿では,ディープクラスタリングサバイバルマシンと呼ばれるハイブリッドサバイバル解析手法を提案する。 個々のインスタンスに対する専門的分布の重み付けは,特徴を識別的に学習する。 この方法は、関連する専門家分布に従って、すべてのインスタンスの解釈可能なサブグループ化/クラスタ化を容易にする。
  論文  参考訳（メタデータ） (2023-01-27T16:27:18Z)
• Mitigating multiple descents: A model-agnostic framework for risk monotonization [84.6382406922369]
  クロスバリデーションに基づくリスクモノトナイズのための一般的なフレームワークを開発する。 本稿では,データ駆動方式であるゼロステップとワンステップの2つの手法を提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:41:40Z)
• A Deep Variational Approach to Clustering Survival Data [5.871238645229228]
  変分深層クラスタリングにおけるクラスタサバイバルデータに対する新しい確率的アプローチを提案する。 提案手法は,説明変数と潜在的に検閲された生存時間の両方の分布を明らかにするために,深い生成モデルを用いている。
  論文  参考訳（メタデータ） (2021-06-10T14:10:25Z)
• WRSE -- a non-parametric weighted-resolution ensemble for predicting individual survival distributions in the ICU [0.251657752676152]
  集中治療室(ICU)における死亡リスクの動的評価は、患者を階層化し、治療効果を知らせたり、早期警戒システムの一部として機能したりすることができる。 現状の確率モデルと競合する結果を示すとともに,2～9倍のトレーニング時間を大幅に短縮する。
  論文  参考訳（メタデータ） (2020-11-02T10:13:59Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)
• A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
  ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。 また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
  論文  参考訳（メタデータ） (2020-06-08T19:24:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。