이산화 가산 모델을 사용한 해석 가능하고 보정된 생존 분석: DNAMite
DNAMite는 기존의 블랙박스 생존 분석 모델의 해석 가능성 부족 문제를 해결하면서 정확하고 보정된 예측을 제공하는 새로운 유리 상자 머신러닝 모델입니다.
조직 병리학 이미지만을 사용한 향상된 생존 예측을 위한 교차 모달 게놈 특징 정렬 네트워크, PathoGen-X
PathoGen-X는 훈련 과정에서 게놈 및 영상 데이터를 모두 활용하여, 테스트 시에는 영상 데이터만으로 암 환자의 생존율을 예측하는 딥러닝 프레임워크입니다.
생존 예측에서 조건부 분포 보정을 향하여
본 논문에서는 개별적인 의사 결정에 중요한 조건부 보정의 중요성을 강조하며, 이를 개선하기 위해 conformal prediction 기반의 새로운 방법론인 CSD-iPOT를 제안합니다.
무작위 임상 시험에서 외부 대조군을 활용한 생존 결과에 대한 이중 보호 추정
외부 대조군을 활용하여 생존 결과에 대한 치료 효과를 추정할 때 발생할 수 있는 편향을 최소화하면서 효율성을 높이는 새로운 이중 보호 추정 방법을 제안합니다.
경쟁 위험이 있는 생존 모델: 적절한 점수 규칙 및 확률적 최적화
본 논문에서는 경쟁 위험이 있는 생존 분석을 위한 새로운 기계 학습 알고리즘인 SurvivalBoost를 제안합니다. 이 알고리즘은 엄격하게 적절한 점수 규칙을 사용하여 기존 방법보다 빠르고 정확하게 사건 발생 시간 및 유형을 예측합니다.
의존적인 경쟁 위험이 있는 생존 분석을 위한 계층적 코퓰라 기반 접근 방식, HACSurv
HACSurv는 경쟁 위험과 중도절단 간의 복잡한 의존성을 모델링하여 생존 분석의 정확성을 향상시키는 새로운 기계 학습 프레임워크입니다.
생존 결과 인식 대조 학습을 통한 잘 보정된 차별화를 향하여
본 논문에서는 생존 분석에서 예측의 차별화 성능을 향상시키면서 동시에 보정 성능을 유지하는 새로운 대조 학습 프레임워크인 ConSurv를 제안합니다.
시간적 일관성을 갖춘 심층 종단 간 생존 분석
본 논문에서는 대규모 종단 데이터에서 시간적 일관성을 활용하여 생존 분석 모델의 학습 안정성과 성능을 향상시키는 새로운 프레임워크인 DeepTCSR을 제안합니다.
다양한 현실 세계 생존 데이터를 활용한 연합 시간-이벤트 점수 개발
연합 시간-이벤트 점수 개발의 효과적인 프레임워크와 실제 다양한 생존 데이터에 대한 적용 가능성을 입증합니다.
© 2024 by Linnk AI