May, 2023
患者特定根本疾病的反事实公式化
Counterfactual Formulation of Patient-Specific Root Causes of Disease
Eric V. Strobl
TL;DR本文提出了一个计算机算法,根据基础事实,分配病变变量的根本因果贡献得分,从而深入探讨疾病的根本原因。
Abstract
Root causes of disease intuitively correspond to root vertices that increase
the likelihood of a diagnosis. This description of a root cause nevertheless
lacks the rigorous →
发现论文,激发创造
基于反事実的动态系统根本原因分析
通过使用残差神经网络对动态因果系统进行建模,并得出相应的反事实轨迹分布,我们解决了现有因果方法在确定根本原因时的问题,该方法对静态环境有限且注重导致故障的外部影响,而非结构影响。我们提出的方法在动态系统基准和真实世界河流数据集上具有有效性。
Jun, 2024
缺失结构知识的异常值根本原因分析
通过使用结构因果模型中的因果反事实的定量贡献分析,最近的工作对异常情况的根本原因分析进行了概念化。本文提出了简化、高效的根本原因分析方法,用于识别唯一的根本原因而非定量贡献分析的任务。对于未知因果有向无环图的应用场景,我们将异常得分最高的变量作为根本原因进行启发式验证。
Jun, 2024
超越已知现实:利用反事实解释进行医学研究
该研究采用反事实解释方法探索医学研究的 “假设场景”,特别关注利用 MRI 特征诊断儿科后颅窝脑肿瘤,并探索反事实的潜在用途并评估其作为医疗研究中的替代方法的可行性和前景。
Jul, 2023
原因与解释:一种结构模型方法 —— 第一部分:原因
本文提出了一个新的实际原因的定义,通过建立结构方程模型来建立反事实关系,这个定义令人信服并优雅,解决了传统方法存在的主要问题,并且可以用来定义因果解释。
Jan, 2013
用概率图模型进行反事实推理以分析社会生态系统
因果推理和反事实推理是数据科学中的新兴方向,尤其适用于通常无法获取实验数据的环境和生态科学领域。本文提出了一个在社会生态系统领域内边界不可识别查询的新技术,并发现传统统计分析方法无法揭示变量之间的关系本质,其中反事实推理变得非常有价值。
Jan, 2024
深层结构因果形状模型
提出了利用深度结构性因果形态模型(CSMs)的计算工具来实现对形态变化的因果推理,通过反事实网格生成产生个体化的预测,从而研究基因、环境和生活方式因素对人体结构的影响。
Aug, 2022