Dec, 2023

fMRI 数据的因果发现：挑战、解决方案和案例研究

PDF
TL;DR该研究讨论了应用因果发现分析功能磁共振成像数据时所面临的挑战和需要进行的决策，通过回顾最近的案例研究并识别现有的方法间的差距，表明因果发现是分析功能磁共振成像数据的一种有效方法，但目前的因果发现方法仍有改进的空间。
发现论文，激发创造
  • 因果发现综述：理论与实践

    本文介绍因果推断、因果发现、因果图、算法和真实世界应用，并探讨最近一致性观点对现有算法的概述、有用的工具和数据，以及为什么和如何可以成功利用这些方法。

    May, 2023

  • fMRI 数据的统计分析

    本文讨论了使用 fMRI 数据进行分析的过程，从原始数据的获得到在定位大脑活动、推断大脑连通性和预测心理或疾病状态方面的应用，并强调统计学在这一领域中的关键作用。

    Jun, 2009

  • 更多的数据是你所需要的一切吗？一个因果探索

    本文探讨了应用因果分析作为资源优化工具来开发医学成像机器学习应用的潜力。通过对合成数据集和糖尿病视网膜病变图像分析的实例研究，研究了数据集干预对图像分类模型输出的影响，以及需要在数据集中加入的数据量和类型以实现特定子任务的更好性能。

    Jun, 2022

  • 因果发现学习

    本研究测试了一种基于神经网络的数据驱动因果关系发现方法，证明其比现有的人工设计的方法在神经网络和医学数据中表现更优秀。结果表明在已知因果关系的大数据集的监督下，学习因果发现程序是改进神经学和医学数据中因果关系的新途径。

    Sep, 2022

  • 多中心临床研究中的缺失数据因果发现

    本研究使用多中心子宫内膜癌的数据分析不同缺失机制对因果图的影响，通过扩展最先进的因果发现算法来利用专家知识，验证得到的图形的良好拟合度和一致性。

    May, 2023

  • 运用因果推断量化神经影像数据集中潜在混淆偏差

    本文提出一种通过利用来自多个数据集的成像数据来增加样本数量的方法，分析了通过简单汇集这些数据可能引入的偏差类型，提出通过量化因果推断中的混淆度和因果程度来区分因果和混淆因素的方法，并在实验中表明这种方法能有效地估计从真实脑成像数据中得出的合理因果关系。

    Jul, 2019

  • 不同变量范式下深度学习因果发现的综述与路线图

    本文介绍了基于深度学习的因果关系发现方法，从变量范式的角度将可能的因果发现任务分为三类，并针对每种任务定义并实例化相关数据集和最终的因果模型，并回顾了各种任务的现有因果发现方法。最后，提出了一些研究路线图以解决现有领域的研究空白，并指出未来的研究方向。

    Sep, 2022

  • 针对时态和非时态数据的因果发现方法调查

    本研究介绍了因果发现中常用的术语，讨论了用于不同场景中识别因果边的方法，还探讨了用于评估因果发现算法性能的基准数据集、现有工具和常用指标。最后，我们总结了因果发现中存在的常见挑战，并讨论了因果发现在多个领域的应用。

    Mar, 2023

  • 个性化学生学习的因果发现与反事实解释

    通过因果发现技术，本研究着重于确定学生表现的原因，以提供个性化的改进方法；通过识别因果预测因素并应用对照分析来提供个性化建议；在教育背景中使用因果推断的挑战、益处和限制得到了详细描述。

    Sep, 2023

  • 复杂工业系统中的因果发现：一个时序基准

    通过从专家知识构建的因果图，我们提供了一个测试平台，用于从复杂系统的时间序列观测中进行因果推断，我们相信这可以为因果推断方法的发展提供帮助。

    Oct, 2023