論文の概要: FastCPH: Efficient Survival Analysis for Neural Networks

• arxiv url: http://arxiv.org/abs/2208.09793v1
• Date: Sun, 21 Aug 2022 03:35:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-23 12:34:53.160455
• Title: FastCPH: Efficient Survival Analysis for Neural Networks
• Title（参考訳）: FastCPH: ニューラルネットワークの効率的な生存分析
• Authors: Xuelin Yang, Louis Abraham, Sejin Kim, Petr Smirnov, Feng Ruan, Benjamin Haibe-Kains, Robert Tibshirani
• Abstract要約: 我々は,線形時間で動作する新しい手法であるFastCPHを提案し,連結イベントに対する標準的なBreslow法とEfron法の両方をサポートする。 また,FastCPHとLassoNetの併用による特徴空間の解釈性も実証した。
• 参考スコア（独自算出の注目度）: 57.03275837523063
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Cox proportional hazards model is a canonical method in survival analysis for prediction of the life expectancy of a patient given clinical or genetic covariates -- it is a linear model in its original form. In recent years, several methods have been proposed to generalize the Cox model to neural networks, but none of these are both numerically correct and computationally efficient. We propose FastCPH, a new method that runs in linear time and supports both the standard Breslow and Efron methods for tied events. We also demonstrate the performance of FastCPH combined with LassoNet, a neural network that provides interpretability through feature sparsity, on survival datasets. The final procedure is efficient, selects useful covariates and outperforms existing CoxPH approaches.
• Abstract（参考訳）: Cox比例的ハザードモデル(Cox proportional hazards model)は、臨床または遺伝的共変体が与えられた患者の寿命を予測するための標準的分析法である。 近年、coxモデルをニューラルネットワークに一般化する手法がいくつか提案されているが、いずれも数値的に正確で計算効率が良いものはない。 線形時間に動作し,結合イベントに対する標準breslow法とefron法の両方をサポートする新しい手法であるfastcphを提案する。 また,fastcphとlassonetを組み合わせることで,サバイバルデータセット上で特徴スパーシティを通した解釈性を提供するニューラルネットの性能を示す。 最終的な手順は効率的で、有用な共変量を選択し、既存のCoxPHアプローチより優れている。

関連論文リスト

• CoxKAN: Kolmogorov-Arnold Networks for Interpretable, High-Performance Survival Analysis [0.3213991044370425]
  Kolmogorov-Arnold Networks (KAN) は、最近多層パーセプトロン(MLP)の解釈可能かつ正確な代替として提案されている。 我々は,Cox比例ハザードであるCoxKANを,解釈可能な高性能サバイバル解析のために導入する。
  論文  参考訳（メタデータ） (2024-09-06T13:59:58Z)
• Kernel Cox partially linear regression: building predictive models for cancer patients' survival [4.230753712933184]
  我々はカーネルCox比例ハザード半パラメトリックモデルを構築し、モデルに適合する新しい正規化ニンジン化カーネルマシン(RegGKM)を提案する。 我々はカーネルマシン法を用いて生存率と予測値の複雑な関係を記述し、無関係なパラメトリックおよび非パラメトリック予測値を自動的に除去する。 この結果は、患者を異なる死亡リスクを持つグループに分類し、より良い臨床結果を得るために治療を促進するのに役立つ。
  論文  参考訳（メタデータ） (2023-10-11T04:27:54Z)
• tdCoxSNN: Time-Dependent Cox Survival Neural Network for Continuous-time Dynamic Prediction [19.38247205641199]
  本研究では,時間依存型Coxサバイバルニューラルネットワーク(tdCoxSNN)を提案する。 提案手法と共同モデリングおよびランドマーク手法を広範囲なシミュレーションにより評価・比較する。
  論文  参考訳（メタデータ） (2023-07-12T03:03:40Z)
• Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
  非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。 この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。 変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
  論文  参考訳（メタデータ） (2023-05-31T03:48:49Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• Variable selection for nonlinear Cox regression model via deep learning [0.0]
  最近開発された深層学習に基づく変数選択モデルLassoNetを生存データに拡張する。 提案手法を適用し,びまん性大細胞型B細胞リンパ腫の実際のデータセットを解析した。
  論文  参考訳（メタデータ） (2022-11-17T01:17:54Z)
• Comparative Analysis of Interval Reachability for Robust Implicit and Feedforward Neural Networks [64.23331120621118]
  我々は、暗黙的ニューラルネットワーク(INN)の堅牢性を保証するために、区間到達可能性分析を用いる。 INNは暗黙の方程式をレイヤとして使用する暗黙の学習モデルのクラスである。 提案手法は, INNに最先端の区間境界伝搬法を適用するよりも, 少なくとも, 一般的には, 有効であることを示す。
  論文  参考訳（メタデータ） (2022-04-01T03:31:27Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• A Bayesian Perspective on Training Speed and Model Selection [51.15664724311443]
  モデルのトレーニング速度の測定値を用いて,その限界確率を推定できることを示す。 線形モデルと深部ニューラルネットワークの無限幅限界に対するモデル選択タスクの結果を検証する。 以上の結果から、勾配勾配勾配で訓練されたニューラルネットワークが、一般化する関数に偏りがある理由を説明するための、有望な新たな方向性が示唆された。
  論文  参考訳（メタデータ） (2020-10-27T17:56:14Z)
• 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。