본 연구에서는 생존 회귀 문제를 해결하기 위해 변분 자동 인코더(VAE)를 결합한 새로운 모델 VDSM을 제안한다. 생존 회귀는 사건 발생 시간을 예측하는 문제로, 특히 의료 분야에서 널리 사용된다. 기존의 DSM 모델은 개별 모수적 생존 분포의 혼합으로 생존 함수를 추정하지만, 잠재 변수 학습에 한계가 있다.
VDSM은 VAE 인코더를 통해 입력 데이터의 잠재 변수를 학습하고, 이를 DSM의 개별 생존 분포 가중치로 사용한다. 이를 통해 데이터 클러스터링 성능을 향상시켜 장기 예측 성능을 개선할 수 있다.
실험 결과, VDSM은 SUPPORT와 FLCHAIN 데이터셋에서 DSM 대비 장기 예측 성능이 우수한 것으로 나타났다. 이는 VAE를 통한 잠재 변수 학습이 생존 시간 예측에 도움이 되는 것을 보여준다. 또한 VDSM-clus 모델이 VDSM-cat 모델보다 클러스터링 성능이 우수한 것으로 확인되었다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Qinxin Wang,... at arxiv.org 04-25-2024
https://arxiv.org/pdf/2404.15595.pdfDeeper Inquiries