临床试验主动学习
机器学习
2023-07-24 v1 图像与视频处理
统计方法学
摘要
本文提出了一种新颖的主动学习(active learning)方法，该方法考虑了临床试验环境中非独立同分布(non-i.i.d.)的结构。临床试验存在两种类型：回顾性临床试验和前瞻性临床试验。回顾性临床试验在治疗完成后分析数据；前瞻性临床试验在治疗进行过程中收集数据。通常，主动学习方法在选择训练样本时假设数据集是独立同分布(i.i.d.)的；然而，在临床试验中，治疗导致当前访视与过去访视所收集数据之间存在依赖性。因此，我们提出前瞻性主动学习以克服传统主动学习方法的局限，并将其应用于光学相干断层扫描(OCT)图像的疾病检测，其中我们以图像采集时间为条件来强制满足i.i.d.假设。我们将所提方法与传统的主动学习范式（我们称之为本质上的回顾性方法）进行比较。我们证明了在前瞻性主动学习在两类不同的测试设置中均优于回顾性主动学习。
引用
@article{arxiv.2307.11209,
title = {Clinical Trial Active Learning},
author = {Zoe Fowler and Kiran Kokilepersaud and Mohit Prabhushankar and Ghassan AlRegib},
journal= {arXiv preprint arXiv:2307.11209},
year = {2023}
}
备注
Accepted at 14th ACM International Conference on Bioinformatics, Computational Biology and Health Informatics (ACM-BCB)