admin 管理员组

文章数量: 1184232

论文标题

A deep variational approach to clustering survival data

论文作者、链接

作者：

Manduchi, Laura and Marcinkevi{\v{c}}s, Ri{\v{c}}ards and Massi, Michela C and Weikert, Thomas and Sauter, Alexander and Gotta, Verena and M{\"u}ller, Timothy and Vasella, Flavio and Neidert, Marian C and Pfister, Marc and others

链接：https://arxiv/abs/2106.05763

Introduction逻辑（论文动机&现有工作存在的问题） 

生存分析（Survival analysis），在很多医疗场景下有广泛的应用，用来推断解释变量（explanatory variables )和潜在的检查结果（censored survival outcome）之间的关系——后者表示某一事件发生的时间，如死亡或癌症复发，并在只知道部分相关情况时可以审查出来——用机器学习来学习这些数据的非线性关系

聚类——不适用于生存结果（the survival outcomes）——无法保证聚类结果中的子簇是与患者的信息相关——本文专注于聚类survival data的半监督学习方法，该方法联合考虑解释变量和审查结果作为患者状态的指标

图1描述了这个聚类问题：整个患者群体由三个group组成，其特征是协变量和survival之间的不同关联，导致不同的临床情况

对于survival data的聚类——现有方法的局限：在高纬度的容量有限，无结构的数据以及专注于发现纯结果驱动的聚类——当仅凭survival distribution不足以对人群进行分层时，后者可能无法应用——相似survival outcome的患者可能需求不同的治疗手段

论文核心创新点

提出一个survival聚类方法，联合建模解释变量和censored survival outcomes

相关工作

针对survival data的聚类

论文方法

 预备知识

对于每一个患者有个三元组的数据集。代表特征的可解释变量。是检查指示变量，如果第个患者的survival time被审查了，值为0，否则值为1。是潜在的检查survival time。在survival analysis上用一个最大似然方法，来建模一个survival distribution，即

本文标签： 论文 Variational deep Approach DATA

版权声明：本文标题：论文阅读”A deep variational approach to clustering survival data“(ICLR2022) 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1763632060a3256396.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。