Oct, 2023

贝叶斯神经控制微分方程用于治疗效果估计

PDF
TL;DR连续时间中的治疗效果估计对个性化医学至关重要，现有方法只关注潜在结果的点估计而忽略了不确定性估计，因此本文提出了一种用于连续时间中治疗效果估计的新型贝叶斯神经控制微分方程（BNCDE），通过神经控制微分方程和神经随机微分方程的耦合系统来建模时间维度，其中神经随机微分方程可以进行可行的变分贝叶斯推断，从而为给定顺序的治疗提供了潜在结果的有意义的后验预测分布。据我们所知，这是首个用于连续时间中治疗效果的不确定性估计的定制神经方法，因此我们的方法对于促进可靠的医学决策具有直接的实用价值。
treatment effect estimationcontinuous timeuncertainty quantificationbayesian neural controlled differential equationmedical applications
发现论文，激发创造
  • 使用神经控制微分方程连续建模对照结果

    借助控制微分方程的数学，提出一种新方法用于处理不规则采样数据的因果推断任务，即治疗效果神经控制微分方程（TE-CDE），以便在任何时间点评估可能的结果，并通过对抗性训练来解决长期临床研究中的时间相关混淆问题。该方法在一系列不规则采样的临床情境中的模拟环境中表现优于现有方法。

    Jun, 2022

  • 使用神经随机微分方程对连续疾病轨迹和治疗效果进行概率性时间预测

    基于医学影像的个性化医学，可以准确预测未来个体化临床疾病进展和治疗反应，对于长期、复杂、异质性的无法治愈的疾病（如多发性硬化症（MS））的医疗和药物开发具有巨大影响。本文提出了第一个用于建模疾病进展的连续时间因果框架，利用神经随机微分方程（NSDE）。该因果推断模型以患者的高维影像（MRI）和表格数据为输入，预测潜空间中不同治疗的真实和反事实进展轨迹。NSDE 允许估计高置信度的个性化轨迹和治疗效果。在多中心独家数据集上进行了大量实验，该数据集包括在多个随机临床试验中获得的患者 3D MRI 和临床数据。我们的结果展示了第一个基于不确定性的因果深度学习（DL）模型，可以准确预测未来患者的 MS 残疾发展（如 EDSS）和治疗效果，利用基线 MRI，并且可以发现在临床试验中没有达到临床终点的患者亚组，模型对他们的治疗反应具有高置信度。

    Jun, 2024

  • 神经特征值分解实现个体化剂量动力学

    该论文提出了一种名为 Neural Eigen 随机微分方程的算法，通过在患者设定的超参数上运行超网络来提供个性化建模、扩展到新的治疗政策、根据噪声水平进行可调表现，以及快速、连续和闭合的预测，以模拟医学健身房环境中的真实医疗问题。

    Jun, 2023

  • 神经控制微分方程用于在线预测任务

    本文提出神经控制微分方程 (Neural CDE) 用于解释不规则时间序列的函数，同时研究了在连续监测过程中，如何解决实时在线预测的问题，本文提出的插值方案具有测量性和平滑性，并在 MIMIC-IV 医疗数据库上进行了实证测试，对于三个连续监测任务的准确性均有提升。

    Jun, 2021

  • 用于非规则时间序列的神经控制微分方程

    本研究介绍了一个新的神经模型：神经控制微分方程模型，解决了利用常规微分方程对时间动态进行建模时无法针对后续观察调整轨迹的问题，并通过实验和理论结果展示其在较多数据集上实现了与其他神经网络模型相当的最佳性能

    May, 2020

  • 长期异质治疗效果推断的 ODE 发现

    通过引入基于常微分方程的解决方案，我们提供了一个全新的处理方式，用于推断无偏的治疗效果，并将其构建为一个框架，可以将任何常微分方程发现方法转化为治疗效果的方法。

    Mar, 2024

  • 基于图神经网络控制微分方程的交通预测

    本文提出了一种基于神经网络控制微分方程的时空图神经控制微分方程（STG-NCDE）方法，将 NCDA 概念应用于时空序列数据的处理中，实验表明该方法在交通预测中表现良好且优于其他 20 种基准模型。

    Dec, 2021

  • 从噪声到信号：通过药理学引导的神经 SDE 揭示数字健康数据中的治疗效果

    数字健康技术，如可穿戴设备，通过个性化、连续和实时监测患者，为新型疗法和个体化医疗的发展做出了贡献。本文提出了一种新颖的药理学启发的神经随机微分方程模型，可以应对从这些技术中产生的具有随机特性的数据进行分析的挑战。使用合成数据，我们证明了我们的方法在识别治疗效果和学习因果关系方面是有效的，从而实现反事实模拟。

    Mar, 2024

  • 神经控制微分方程中的可学习路径

    本文研究神经控制微分方程的连续解法，采用编码 - 解码模块，通过插值算法生成连续路径，达到更好的时间序列分类和预测表现。

    Jan, 2023

  • 一种用于连续非马尔可夫随机控制问题的神经 RDE 方法

    提出一种基于神经粗糙微分方程的新框架，用于解决非马尔可夫随机控制问题，通过演示控制过程作为神经粗糙微分方程的解的模型来展示控制 - 状态联合动力学如何通过一个未受控的增量神经粗糙微分方程进行管理，同时通过演示神经粗糙微分方程是随机不平滑路径函数的通用近似器来提供理论支撑，实验结果显示，这种方法比现有的基于 RNN 的方法在不规则采样下具有更高的精度和稳定性。

    Jun, 2023