論文の概要: Individual Survival Curves with Conditional Normalizing Flows

• arxiv url: http://arxiv.org/abs/2107.12825v1
• Date: Tue, 27 Jul 2021 13:45:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-28 19:51:41.059829
• Title: Individual Survival Curves with Conditional Normalizing Flows
• Title（参考訳）: 条件付き正規化流を伴う個人生存曲線
• Authors: Guillaume Ausset, Tom Ciffreo, Francois Portier, Stephan Cl\'emen\c{c}on, Timoth\'ee Papin
• Abstract要約: 本稿では,高度にフレキシブルで個別化された条件付き生存分布をモデル化する手段として,時間-空間密度の条件正規化フローに基づく推定法を紹介する。 人工的データセットと4つのオープン医療データセットに対する提案手法を実験的に検証し、共通の財政問題の例を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Survival analysis, or time-to-event modelling, is a classical statistical problem that has garnered a lot of interest for its practical use in epidemiology, demographics or actuarial sciences. Recent advances on the subject from the point of view of machine learning have been concerned with precise per-individual predictions instead of population studies, driven by the rise of individualized medicine. We introduce here a conditional normalizing flow based estimate of the time-to-event density as a way to model highly flexible and individualized conditional survival distributions. We use a novel hierarchical formulation of normalizing flows to enable efficient fitting of flexible conditional distributions without overfitting and show how the normalizing flow formulation can be efficiently adapted to the censored setting. We experimentally validate the proposed approach on a synthetic dataset as well as four open medical datasets and an example of a common financial problem.
• Abstract（参考訳）: サバイバル分析(英: Survival analysis)は、疫学、人口統計学、またはアクチュアリ科学における実用的利用に多くの関心を寄せた古典的な統計問題である。 機械学習の観点からの最近の進歩は、個人化医療の台頭によってもたらされた集団研究ではなく、個人ごとの正確な予測に関係している。 本稿では,高度に柔軟かつ個別化された条件付き生存率分布をモデル化する方法として,イベント密度の推定に基づく条件付き正規化フローを提案する。 本稿では,新しい正規化フローの階層的定式化法を用いて,過度に適合することなく,柔軟な条件分布を効率的にフィッティングすることを可能にし,この正規化フロー定式化を検閲設定に効果的に適用できることを示す。 提案手法を合成データセットと4つのオープン医療データセットで実験的に検証し,共通の金融問題の例を示す。

関連論文リスト

• Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
  自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。 特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。 本稿では,これらのベクトル場をワッサーシュタイン多様体上で積分するメタフローマッチング(Meta Flow Matching, MFM)を提案する。
  論文  参考訳（メタデータ） (2024-08-26T20:05:31Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• 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)
• Training Normalizing Flows from Dependent Data [31.42053454078623]
  データポイント間の依存関係を取り入れたフローの正規化の可能性が示唆された。 本研究では, 観測データ間の依存関係の尊重が, 合成データと実世界のデータの両方に対する経験的結果を改善することを示す。
  論文  参考訳（メタデータ） (2022-09-29T16:50:34Z)
• Continuous-Time Modeling of Counterfactual Outcomes Using Neural Controlled Differential Equations [84.42837346400151]
  反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。 既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。 そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
  論文  参考訳（メタデータ） (2022-06-16T17:15:15Z)
• STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
  我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。 我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
  論文  参考訳（メタデータ） (2020-12-08T21:21:47Z)
• Variational Disentanglement for Rare Event Modeling [21.269897066024306]
  本稿では,不均衡な分類問題における希少事象から学ぶための変分非絡み合い手法を提案する。 具体的には、潜在空間に課せられる極端分布の挙動を利用して、低頻度事象から情報を抽出する。
  論文  参考訳（メタデータ） (2020-09-17T21:35:36Z)
• 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)
• Variational Learning of Individual Survival Distributions [21.40142425105635]
  本稿では,分散学習技術とディープニューラルネットワークの最近の進歩を基盤として,変分生存推定(VSI)と呼ばれる変動時間対イベント予測モデルを提案する。 提案手法の有効性を検証するため, 合成および実世界の両方のデータセットに対する広範な実験を行い, 競合するソリューションと比較して性能が向上したことを示す。
  論文  参考訳（メタデータ） (2020-03-09T22:09:51Z)
• Survival Cluster Analysis [93.50540270973927]
  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。
  論文  参考訳（メタデータ） (2020-02-29T22:41:21Z)

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。