Oct, 2022

基于集成 Brier 得分的生存 Cobra 模型 —— 一种基于回归的方法

PDF
TL;DR该研究提供了使用 COBRA 集成和 Integrated Brier Score 来预测条件生存函数的两种新实现方法。利用基于回归的弱学习器，我们创建了一种基于归一化集成 Brier 分数作为权重的新型预测器，同时考虑了右侧截尾数据，通过在现实数据分析中对算法进行了说明。
cobra ensembleconditional survival functionregression-based weak learnersintegrated brier scoreright-censored data
发现论文，激发创造
  • 基于一致性的 Cobra 生存分析方法及基于回归型弱学习器的改进

    通过组合回归策略，我们预测条件生存函数。我们将弱学习者作为不同的随机生存树，提出在右截尾集合中最大化协同性的方法来找到最优参数。我们通过协同指数探索了两种方法，一种是普通的生存眼镜蛇，另一种是基于协同指数的新型加权预测器。我们提出的公式使用两种不同的规范，即 Max-norm 和 Frobenius norm，以在测试数据集中的查询点中找到预测的接近集。我们通过三个不同的实际数据集实现来说明我们的算法。

    Sep, 2022

  • 基于区域标准的 COBRA 方法在条件生存预测中的应用

    本文探讨了一种不同的组合回归策略，用于计算条件生存函数。我们使用基于回归的弱学习器创建了提出的集成技术。提出的组合回归策略使用接近度测量作为两个生存曲线之间的区域。提出的模型表明，它比随机生存森林更好。该论文讨论了一种在组合回归设置中选择最重要变量的新颖技术。我们进行了模拟研究，证明了我们关于变量相关性的提议非常有效。我们还使用三个真实数据集来说明该模型。

    Sep, 2023

  • 提升生存数据的一致性指数 - 求导和评估生物标志物组合的统一框架

    研究使用共识指数为基础，提出了一种新的框架，借助元素提升算法推导线性生物标志物组合，以预测乳腺癌患者的生存力和其他时间至事件结局。

    Jul, 2013

  • 顺序学习环境下的 COBRA 变体

    该研究论文介绍了基于不同变化的组合回归策略的多变量时间序列预测的创新方法。我们使用特定的数据预处理技术，对预测行为产生了重大变化。通过两种类型的超参数调优方法，贝叶斯优化（BO）和常规网格搜索，我们比较了模型的性能。我们提出的方法在八个时间序列数据集上（加密货币、股票指数和短期负荷预测）优于所有最先进的比较模型。

    Apr, 2024

  • 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

  • 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

  • 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

  • 利用在健康人群上训练的 AI 模型量化损害和疾病严重程度

    提出了一种新的框架来解决数据驱动医学中的自动评估障碍和疾病严重程度的关键问题，通过利用仅在健康个体上训练的人工智能模型，采用 COBRA（COnfidence-Based chaRacterization of Anomalies）得分来量化病患与健康人群的偏离程度，成功应用于中风患者上肢损伤的临床评估。

    Nov, 2023

  • 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

  • 倒计时回归：锐利且校准的生存预测

    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。

    Jun, 2018