Fugu-MT 論文翻訳(概要): Random Survival Forest for Censored Functional Data

論文の概要: Random Survival Forest for Censored Functional Data

arxiv url: http://arxiv.org/abs/2407.15340v1
Date: Mon, 22 Jul 2024 02:54:06 GMT
ステータス: 処理完了
システム内更新日: 2024-07-23 16:20:28.008593
Title: Random Survival Forest for Censored Functional Data
Title（参考訳）: センサ機能データのためのランダムサバイバルフォレスト
Authors: Elvira Romano, Giuseppe Loffredo, Fabrizio Maturo,
Abstract要約: 本稿では,機能データに対するランダム生存林(RSF)手法を提案する。焦点は、特に、新しい機能的データ構造、CFD(Censored Functional Data)の定義に焦点を当てている。このアプローチにより、機能的生存軌道の正確なモデリングが可能となり、異なるグループ間での生存動態の解釈と予測が改善される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces a Random Survival Forest (RSF) method for functional data. The focus is specifically on defining a new functional data structure, the Censored Functional Data (CFD), for dealing with temporal observations that are censored due to study limitations or incomplete data collection. This approach allows for precise modelling of functional survival trajectories, leading to improved interpretation and prediction of survival dynamics across different groups. A medical survival study on the benchmark SOFA data set is presented. Results show good performance of the proposed approach, particularly in ranking the importance of predicting variables, as captured through dynamic changes in SOFA scores and patient mortality rates.
Abstract（参考訳）: 本稿では,機能データに対するランダム生存林(RSF)手法を提案する。特に、研究の制限や不完全なデータ収集のために検閲された時間的観察を扱うための、新しい機能的データ構造であるCFD(Censored Functional Data)の定義に焦点を当てている。このアプローチにより、機能的生存軌道の正確なモデリングが可能となり、異なるグループ間での生存動態の解釈と予測が改善される。ベンチマークSOFAデータセットに関する医学的サバイバル研究について述べる。結果は,SOFAスコアと患者死亡率の動的変化から得られた変数の予測の重要性のランキングにおいて,提案手法の優れた性能を示す。

関連論文リスト

SurvCORN: Survival Analysis with Conditional Ordinal Ranking Neural Network [4.772480981435387]
本稿では,条件付き順序付きランキングネットワークを用いた生存曲線の予測手法であるSurvCORNを提案する。また,モデル予測の精度を評価するための指標であるSurvMAEを導入する。
論文参考訳（メタデータ） (2024-09-30T03:01:25Z)
Demystifying Functional Random Forests: Novel Explainability Tools for Model Transparency in High-Dimensional Spaces [0.0]
本稿では,FRF(Functional Random Forests)の内部メカニズムを照らし出すための,新しい説明可能性ツールについて紹介する。これらのツールは、個々のFPCがモデル予測にどのように貢献するかを詳細に分析することにより、FRFモデルの透明性を総合的に向上する。
論文参考訳（メタデータ） (2024-08-22T10:52:32Z)
Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
論文参考訳（メタデータ） (2024-07-10T19:17:23Z)
A probabilistic estimation of remaining useful life from censored time-to-event data [39.58317527488534]
ボールベアリングの残りの有用寿命(RUL)は、予測維持において重要な役割を果たす。本稿では,検閲データをサポートする生存分析を用いたRULの確率的推定法を提案する。我々は、クロスバリデーションを用いたXJTU-SYデータセットにおけるアプローチを実証し、平均絶対誤差(MAE)の観点から、ランダムサバイバルフォレストがニューラルネットワークとニューラルネットワークの両方を一貫して上回っていることを発見した。
論文参考訳（メタデータ） (2024-05-02T16:17:29Z)
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)
CenTime: Event-Conditional Modelling of Censoring in Survival Analysis [49.44664144472712]
CenTimeは、イベントへの時間を直接見積もる、サバイバル分析の新しいアプローチである。本手法は,非検閲データが少ない場合でも,堅牢なイベント条件検閲機構を特徴とする。以上の結果から,CenTimeは同等の性能を維持しつつ,死までの時間を予測する上で,最先端のパフォーマンスを提供することがわかった。
論文参考訳（メタデータ） (2023-09-07T17:07:33Z)
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)
Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文参考訳（メタデータ） (2022-10-11T08:24:50Z)
FedPseudo: Pseudo value-based Deep Learning Models for Federated Survival Analysis [9.659041001051415]
我々はフェデプゼウドと呼ばれるフェデレーションサバイバル分析のための擬似値ベース深層学習モデルを提案する。提案するFLフレームワークは,最良に訓練された深層生存分析モデルと同等の性能を達成している。
論文参考訳（メタデータ） (2022-07-12T01:10:36Z)
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)
Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文参考訳（メタデータ） (2021-09-06T13:10:37Z)

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。