論文の概要: Reinterpreting survival analysis in the universal approximator age

• arxiv url: http://arxiv.org/abs/2307.13579v1
• Date: Tue, 25 Jul 2023 15:33:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-26 16:27:23.450312
• Title: Reinterpreting survival analysis in the universal approximator age
• Title（参考訳）: 普遍近似器年齢における生存分析の再解釈
• Authors: S\"oren Dittmer, Michael Roberts, Jacobus Preller, AIX COVNET, James H.F. Rudd, John A.D. Aston, Carola-Bibiane Sch\"onlieb
• Abstract要約: 生存分析が分類や回帰とどのように結びつくかについて議論する。 我々は、新しい損失関数、評価指標、および数値積分を伴わずに生存曲線を確実に生成する最初の普遍近似ネットワークを提供する。 本研究では, 損失関数とモデルが, 大規模数値解析により他の手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Survival analysis is an integral part of the statistical toolbox. However, while most domains of classical statistics have embraced deep learning, survival analysis only recently gained some minor attention from the deep learning community. This recent development is likely in part motivated by the COVID-19 pandemic. We aim to provide the tools needed to fully harness the potential of survival analysis in deep learning. On the one hand, we discuss how survival analysis connects to classification and regression. On the other hand, we provide technical tools. We provide a new loss function, evaluation metrics, and the first universal approximating network that provably produces survival curves without numeric integration. We show that the loss function and model outperform other approaches using a large numerical study.
• Abstract（参考訳）: 生存分析は統計ツールボックスの不可欠な部分である。 しかし、古典統計学のほとんどの領域は深層学習を取り入れているが、生存分析は近年、深層学習コミュニティからわずかに注目されている。 この最近の開発は、新型コロナウイルス(covid-19)のパンデミックによるものと思われる。 深層学習における生存分析の可能性を完全に活用するために必要なツールの提供を目指している。 一方,生存分析が分類や回帰とどのように結びつくかについて議論する。 一方、私たちは技術ツールを提供しています。 我々は、新しい損失関数、評価指標、および数値積分を伴わずに生存曲線を確実に生成する最初の普遍近似ネットワークを提供する。 本研究では,損失関数とモデルが他の手法より優れていることを示す。

関連論文リスト

• Deep End-to-End Survival Analysis with Temporal Consistency [49.77103348208835]
  本稿では,大規模長手データの処理を効率的に行うために,Survival Analysisアルゴリズムを提案する。 我々の手法における中心的な考え方は、時間とともにデータにおける過去と将来の成果が円滑に進化するという仮説である時間的一貫性である。 我々のフレームワークは、安定したトレーニング信号を提供することで、時間的一貫性を大きなデータセットに独自に組み込む。
  論文  参考訳（メタデータ） (2024-10-09T11:37:09Z)
• Interpretable Prediction and Feature Selection for Survival Analysis [18.987678432106563]
  我々は、強い差別と解釈可能性の両方を達成する新しい生存分析モデルであるDyS(dice'と発音する)を提示する。 DySは、特徴選択と解釈可能な予測を1つのモデルに組み合わせた、機能スパースな一般化付加モデルである。
  論文  参考訳（メタデータ） (2024-04-23T02:36:54Z)
• Interpretable Survival Analysis for Heart Failure Risk Prediction [50.64739292687567]
  現状の生存モデルと解釈可能かつ競合する新しい生存分析パイプラインを提案する。 我々のパイプラインは最先端のパフォーマンスを達成し、心不全のリスク要因に関する興味深い新しい洞察を提供する。
  論文  参考訳（メタデータ） (2023-10-24T02:56:05Z)
• SurvivalGAN: Generating Time-to-Event Data for Survival Analysis [121.84429525403694]
  検閲と時間的地平線の不均衡は、生成モデルに生存分析に特有の3つの新しい障害モードを経験させる。 本稿では,検閲やイベントの地平線における不均衡に対処し,生存データを扱う生成モデルであるSurvivalGANを提案する。 医療データセットに関する広範な実験により,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-02-24T17:03:51Z)
• Multi-Source Survival Domain Adaptation [11.57423546614283]
  そこで我々は,新たな生存基準と生存分布の相違尺度を導入する。 2つのがんデータセットに対する実験により、標的領域における最高性能、より良い治療勧告、そして、説明可能な重み行列が明らかにされた。
  論文  参考訳（メタデータ） (2022-12-01T10:55:22Z)
• Flexible Group Fairness Metrics for Survival Analysis [0.0]
  グループフェアネスの指標を用いて、既存の生存率を使ってバイアスを測定する方法について検討する。 偏見の尺度は偏見をよく捉えられるが、校正や採点ルールの尺度では明瞭さが低い。
  論文  参考訳（メタデータ） (2022-05-26T20:55:55Z)
• Uncertainty Modeling for Out-of-Distribution Generalization [56.957731893992495]
  特徴統計を適切に操作することで、ディープラーニングモデルの一般化能力を向上させることができると論じる。 一般的な手法では、特徴統計を学習した特徴から測定された決定論的値とみなすことが多い。 我々は、学習中に合成された特徴統計を用いて、領域シフトの不確かさをモデル化することにより、ネットワークの一般化能力を向上させる。
  論文  参考訳（メタデータ） (2022-02-08T16:09:12Z)
• Practical Challenges in Differentially-Private Federated Survival Analysis of Medical Data [57.19441629270029]
  本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。 小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。 DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
  論文  参考訳（メタデータ） (2022-02-08T10:03:24Z)
• Provable Guarantees for Self-Supervised Deep Learning with Spectral Contrastive Loss [72.62029620566925]
  自己教師型学習の最近の研究は、対照的な学習パラダイムを頼りに、最先端の技術の進歩を遂げている。 我々の研究は、正の対の条件的独立性を仮定することなく、対照的な学習を分析する。 本稿では,人口増分グラフ上でスペクトル分解を行う損失を提案し,コントラスト学習目的として簡潔に記述することができる。
  論文  参考訳（メタデータ） (2021-06-08T07:41:02Z)
• Deep Kernel Survival Analysis and Subject-Specific Survival Time Prediction Intervals [8.75682288556859]
  カーネルサバイバル分析で使用するカーネル関数を学習する最初のニューラルネットワークフレームワークを提案する。 実験対象に類似した個人に対して統計的に有効である生存時間推定の予測間隔を構築するためにカーネル関数を使用する方法を示す。
  論文  参考訳（メタデータ） (2020-07-25T16:55:16Z)

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。