Jun, 2018

倒计时回归：锐利且校准的生存预测

PDF
TL;DR本文提出了 Survival-CRPS，它是一种广义的连续秩概率得分，用于生存预测设置的正确或区间截断变体，并评估了两个电子健康记录数据集上的死亡率预测任务的效果，结果表明训练 CRPS 得分的模型相较于 MLE 训练的模型拥有更加尖锐的预测分布并保持校准。
probabilistic survival predictionsmaximum likelihood estimation (mle)continuous ranked probability score (crps)right-censoredinterval-censored
发现论文，激发创造
  • 适当评分规则和单调神经网络的生存回归

    提出了一种基于神经网络的生存回归模型 SurvivalMonotonic-net (SuMo-net)，该方法使用时间相关权重的单调限制直接优化对数似然函数，达到了多个数据集上最先进的对数似然得分，是现有神经方法的 20-100× 计算速度加速，适用于具有数百万观测值的数据集。

    Mar, 2021

  • 教授模型生存力：适当评分规则和具有竞争风险的随机优化

    当数据存在右侧截断情况时，生存分析可以计算 “事件发生时间”。多类别的结果导致了一种分类变种：预测最可能的事件，即已知的竞争风险，这方面的研究较少。为了构建一个估计这种情况下的结果概率的损失函数，我们引入了一个严格正确的修正分离的评分规则，这个规则可以在部分数据上进行优化，因为评估是独立于观测的。它可以用于训练梯度提升树来进行竞争风险分析。与 11 种现有模型相比，这个模型 “MultiIncidence” 在生存和竞争风险的结果概率估计上表现最佳。它可以在任何时间点进行预测，并且比现有的替代方法快得多。

    Jun, 2024

  • 基于深度学习的离散校准生存预测

    使用离散计算生存（DCS）方法的深度神经网络，通过优化未进行 censored 处理的患者数据和变量时间输出节点间距等两个新特性，在医学数据集上实现了最优的校准效果，并在区分方面优于其他竞争模型，这是深度学习在临床生存预测中具有最先进的性能指标的重要一步。

    Aug, 2022

  • 深度生存机器：有竞争风险的被审查数据的完全参数生存回归和表征学习

    本文介绍一种新的参数方法来评估具有截尾数据的时间事件预测问题中的相对风险，通过联合学习输入协变量的深度非线性表示，我们展示了我们的方法在多个不同程度的截尾实际世界数据集上估算生存风险的优势，并证明我们的模型在竞争风险情景中的优势。据我们所知，这是在存在截尾时进行全参数生存时间与竞争风险估计的第一项研究。

    Mar, 2020

  • 随机噪音与最先进的概率预测方法：以 CRPS-Sum 为案例研究判别能力比较

    本文系统评估了 CRPS-sum 以了解其判别能力，发现 CRPS-Sum 的统计特性会影响其判别能力，同时 CRPS-sum 计算忽略了模型在每个维度上的表现，这些缺陷会导致对模型表现的错误评估，最终的实验表明 CRPS-Sum 的缺点会误导概率预测方法的性能评估，而且此指标并不是可靠的多元概率预测测量度量标准。

    Jan, 2022

  • 利用深度学习、机器学习和统计方法进行生存分析：预测住院后死亡的比较分析

    应用不同的生存分析方法比较其性能，结果表明深度学习（DeepSurv）在歧视度和校准性方面表现最佳，而 AutoScore-Survival 则通过最小变量集实现了较好的性能和解释性。

    Mar, 2024

  • 低维数据上生存模型的大规模中性比较研究

    在此论文中，我们进行了首个大规模的中性基准实验，重点关注单事件、右删失、低维度生存数据。我们对 18 种模型进行了评估，涵盖经典统计方法和常见的机器学习方法，并使用 32 个公开可用的数据集。通过性能评估，我们发现在低维度、右删失数据的标准生存分析环境中，Cox 比例风险模型仍然是足够简单和强大的方法。

    Jun, 2024

  • 深度递归生存分析

    该研究提出了一种深度循环生存分析模型，结合了深度学习和生存分析，通过对每个样本的条件概率建模，捕获时间依赖性，预测真实事件发生的可能性并估计被审查数据的生存率，同时不需要假设任何特定形式的事件概率分布，在三个不同领域的实验中，该模型在各种度量标准下明显优于现有解决方案。

    Sep, 2018

  • 构建和评估个体生存分布的有效方法

    本文讨论了个性化生存分布（ISD）模型以及它们与标准模型的区别，探讨了 ISD 模型的评估方法，提出了一种新的方法 D-Calibration，用于确定模型的概率估计是否有意义，并使用这些方法来评估多种 ISD 预测工具。

    Nov, 2018

  • 神经细分 - 针对竞争风险的单调神经网络

    本文利用受限单调神经网络对具有竞争风险的生存分布进行建模，确保了在减少计算成本的同时实现了精确的最大似然估计，并在一项合成和三个医学数据集上展示了解决方案的有效性。最后，我们讨论了在开发医疗实践风险评分时考虑竞争风险的意义。

    May, 2023