深度潜变量模型在生存分析中治疗强度选择的应用
机器学习
2018-12-06 v1 机器学习
摘要
在这篇短文中，我们调整了一种新颖且流行的机器学习模型用于对医疗数据集进行推断。我们的方法基于变分自编码器（Variational AutoEncoder, VAE）框架，并将其适配于带有缺失值的小数据集上的生存分析。在我们的模型中，真实健康状态表现为一组影响观测协变量与生存几率的潜变量。我们展示了这一灵活模型可利用预测分布进行有洞察的决策，并优于经典生存分析模型。
引用
@article{arxiv.1811.12323,
title = {A Deep Latent-Variable Model Application to Select Treatment Intensity in Survival Analysis},
author = {Cédric Beaulac and Jeffrey S. Rosenthal and David Hodgson},
journal= {arXiv preprint arXiv:1811.12323},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216