Глоссарий ИИ
Полный словарь искусственного интеллекта
Глубокий анализ выживаемости
Применение глубоких нейронных сетей для моделирования данных выживаемости, позволяющее улавливать сложные нелинейные связи между ковариатами и риском наступления события.
Временная цензурирование
Феномен, при котором событие интереса не наблюдается для некоторых единиц до конца исследования, создавая неполные данные, требующие специальных методов анализа.
Функция риска
Функция, описывающая мгновенную частоту наступления события в момент времени t, условную на выживаемость до этого времени, моделируемую иначе в подходах глубокого обучения.
DeepHit
Архитектура глубокой нейронной сети, которая напрямую моделирует дискретное распределение выживаемости без параметрических предположений о форме функции риска.
Правосторонняя цензурирование
Наиболее распространенный тип цензурирования в анализе выживаемости, когда известно, что время выживания превышает определенное наблюдаемое значение, но точное значение неизвестно.
Функция потерь выживаемости
Функция потерь, специально разработанная для моделей анализа выживаемости, учитывающая как наблюдаемые времена событий, так и цензурированные данные в оптимизации.
Глубокая сеть Кокса
Расширение пропорциональной модели Кокса, использующее нейронную сеть для обучения нелинейного представления ковариат при сохранении предположения о пропорциональности рисков.
Нейронный Каплан-Мейер
Подход глубокого обучения, который оценивает функцию выживаемости, сочетая гибкость нейронных сетей с непараметрическими свойствами оценщика Каплана-Мейера.
Информативная цензура (Informative Censoring)
Ситуация, когда механизм цензуры связан с риском события, нарушая предположение о неинформативной цензуре и требуя более сложных моделей выживания.
Прогнозирование времени до события
Задача прогнозирования, направленная на оценку времени до наступления определенного события, использующая модели глубокого обучения для обработки сложности и цензурирования данных.
Кривая выживаемости
Графическое представление вероятности выживания с течением времени, оцениваемое моделями глубокого обучения на основе обучающих данных и индивидуальных прогнозов.
Индекс конкордации (C-index)
Метрика оценки, специфичная для анализа выживаемости, измеряющая способность модели правильно упорядочивать времена событий между парами индивидов.
Динамические модели глубокого обучения для анализа выживаемости
Модели глубокого обучения, которые включают продольные или последовательные данные для непрерывного обновления прогнозов выживаемости с течением времени.
Конкурирующие риски
Ситуация, когда могут произойти несколько взаимно исключающих типов событий, требующая многозадачных моделей глубокого обучения для оценки специфических для каждой причины рисков.
Рекуррентные нейронные сети для анализа выживаемости
Использование RNN или LSTM для моделирования последовательных данных выживаемости, где ковариаты изменяются во времени до наступления события.
Модели выживаемости на основе механизма внимания
Архитектуры глубокого обучения, использующие механизмы внимания для идентификации наиболее влиятельных ковариат на риск выживаемости в разные моменты времени.
Модели с уязвимостью в глубоком обучении
Расширение моделей выживания с глубоким обучением, включающее случайные эффекты (уязвимость) для фиксации ненаблюдаемой неоднородности между индивидами или группами.
SurvivalGAN
Генеративно-состязательные сети, специально разработанные для синтеза реалистичных данных выживания с сохранением характеристик цензурирования и распределений времени.
Многозадачное обучение выживанию
Подход к обучению, при котором модель выживания одновременно обучается на нескольких связанных задачах для улучшения обобщения и фиксации общих связей.