論文の概要: Towards modelling hazard factors in unstructured data spaces using gradient-based latent interpolation

• arxiv url: http://arxiv.org/abs/2110.11312v1
• Date: Thu, 21 Oct 2021 17:46:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-22 18:37:21.383951
• Title: Towards modelling hazard factors in unstructured data spaces using gradient-based latent interpolation
• Title（参考訳）: 勾配型潜在補間を用いた非構造データ空間のハザード要因のモデル化
• Authors: Tobias Weber, Michael Ingrisch, Bernd Bischl, David R\"ugamer
• Abstract要約: 生存分析(SA)における深層学習の適用は、従来の生存法では珍しい非構造的・高次元データ型を利用する機会を与える。 これにより、デジタルヘルス、予測保守、チャーン分析などの分野の手法を進歩させることができる。 本研究では,1)生存目標を持つマルチタスク可変オートエンコーダ (VAE) と,2) 元のデータ空間における危険因子をモデル化可能な新しい手法HazardWalkを提案する。
• 参考スコア（独自算出の注目度）: 2.3867305921818573
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The application of deep learning in survival analysis (SA) gives the opportunity to utilize unstructured and high-dimensional data types uncommon in traditional survival methods. This allows to advance methods in fields such as digital health, predictive maintenance and churn analysis, but often yields less interpretable and intuitively understandable models due to the black-box character of deep learning-based approaches. We close this gap by proposing 1) a multi-task variational autoencoder (VAE) with survival objective, yielding survival-oriented embeddings, and 2) a novel method HazardWalk that allows to model hazard factors in the original data space. HazardWalk transforms the latent distribution of our autoencoder into areas of maximized/minimized hazard and then uses the decoder to project changes to the original domain. Our procedure is evaluated on a simulated dataset as well as on a dataset of CT imaging data of patients with liver metastases.
• Abstract（参考訳）: 生存分析(SA)における深層学習の適用は、従来の生存法では珍しい非構造的・高次元データ型を利用する機会を与える。 これにより、デジタルヘルス、予測保守、チャーン分析などの分野の手法を進化させることができるが、深層学習に基づくアプローチのブラックボックス特性のため、解釈が低く直感的に理解できるモデルが得られることが多い。 私たちはこのギャップを提案によって埋める 1)生存目標を有するマルチタスク変分オートエンコーダ(VAE)で、生存指向の埋め込みを実現し、 2)元のデータ空間における危険因子をモデル化する新しい手法HazardWalk。 HazardWalkは、オートエンコーダの潜伏分布を最大化/最小化の領域に変換し、デコーダを使用して元のドメインの変更を投影します。 本手法は肝転移患者のCT画像データとシミュレーションデータセットを用いて評価した。

関連論文リスト

• Effort: Efficient Orthogonal Modeling for Generalizable AI-Generated Image Detection [66.16595174895802]
  既存のAI生成画像(AIGI)検出手法は、しばしば限定的な一般化性能に悩まされる。 本稿では、AIGI検出において、これまで見過ごされてきた重要な非対称性現象を同定する。
  論文  参考訳（メタデータ） (2024-11-23T19:10:32Z)
• You are out of context! [0.0]
  新しいデータは、モデルによって学習された幾何学的関係を伸ばしたり、圧縮したり、ねじったりする力として振る舞うことができる。 本稿では,ベクトル空間表現における「変形」の概念に基づく機械学習モデルのための新しいドリフト検出手法を提案する。
  論文  参考訳（メタデータ） (2024-11-04T10:17:43Z)
• Adaptive Transformer Modelling of Density Function for Nonparametric Survival Analysis [11.35395323124404]
  生存分析は、経済学、工学、医療など様々な分野において重要な役割を担っている。 本稿では,従来の分布仮定を使わずに,高品質な単文PDFを作成できる新しい生存回帰手法を提案する。
  論文  参考訳（メタデータ） (2024-09-10T04:29:59Z)
• Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [58.60915132222421]
  本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。 フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。 設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
  論文  参考訳（メタデータ） (2024-08-23T01:53:36Z)
• Privacy-preserving datasets by capturing feature distributions with Conditional VAEs [0.11999555634662634]
  条件付き変分オートエンコーダ(CVAE)は、大きな事前学習された視覚基盤モデルから抽出された特徴ベクトルに基づいて訓練される。 本手法は, 医用領域と自然画像領域の両方において, 従来のアプローチよりも優れている。 結果は、データスカースおよびプライバシに敏感な環境におけるディープラーニングアプリケーションに大きな影響を与える生成モデルの可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-01T15:26:24Z)
• 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)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Drug Discovery under Covariate Shift with Domain-Informed Prior Distributions over Functions [30.305418761024143]
  実世界の薬物発見タスクは、しばしばラベル付きデータの不足とかなりの範囲のデータによって特徴づけられる。 我々は、データ生成プロセスの明示的な事前知識を事前分布にエンコードする原理的な方法を提案する。 我々は,Q-SAVIを組み込んで,事前知識のような化学空間をモデリングプロセスに組み込むことで,相当な精度と校正が可能であることを実証した。
  論文  参考訳（メタデータ） (2023-07-14T05:01:10Z)
• A Variational Bayesian Approach to Learning Latent Variables for Acoustic Knowledge Transfer [55.20627066525205]
  本稿では,ディープニューラルネットワーク(DNN)モデルにおける潜伏変数の分布を学習するための変分ベイズ(VB)アプローチを提案する。 我々の提案するVBアプローチは,ターゲットデバイスにおいて良好な改善が得られ,しかも,13の最先端知識伝達アルゴリズムを一貫して上回っている。
  論文  参考訳（メタデータ） (2021-10-16T15:54:01Z)
• Attribute-Guided Adversarial Training for Robustness to Natural Perturbations [64.35805267250682]
  本稿では,属性空間への分類器の露出を最大化するために,新しいサンプルを生成することを学習する逆学習手法を提案する。 我々のアプローチは、ディープニューラルネットワークが自然に発生する摂動に対して堅牢であることを可能にする。
  論文  参考訳（メタデータ） (2020-12-03T10:17:30Z)
• DeepHazard: neural network for time-varying risks [0.6091702876917281]
  生存予測のための新しいフレキシブルな手法,DeepHazardを提案する。 我々のアプローチは、時間内に添加物としてのみ制限される、広範囲の継続的なハザード形態に適合している。 数値的な例では,我々の手法は,C-インデックス計量を用いて評価された予測能力において,既存の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-07-26T21:01:49Z)

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。