乳腺癌治疗的开集识别
机器学习
2022-01-11 v1
摘要
开集识别将分类任务泛化，把测试样本分类为训练中的已知类别之一或“未知”。随着具有改善疗效的新型癌症药物组合不断被发现，预测癌症治疗可自然地表述为一个开集识别问题。由于训练时对未知样本建模，现有医疗健康开集学习工作的直接实现存在缺陷。为此，我们重构问题方法，将近期已有的高斯混合变分自编码器模型（该模型在图像数据集上取得最先进结果）应用于乳腺癌患者数据。我们不仅获得了更准确、更鲁棒的分类结果，与近期方法相比平均 F1 提升 24.5%，而且还从临床环境可部署性的角度重新审视了开集识别。
引用
@article{arxiv.2201.02923,
title = {Open-Set Recognition of Breast Cancer Treatments},
author = {Alexander Cao and Diego Klabjan and Yuan Luo},
journal= {arXiv preprint arXiv:2201.02923},
year = {2022}
}
备注
22 pages, 9 figures and 9 tables