DeepAJM评估不规则数据联合建模
热点事件观察中
DeepAJM评估不规则数据联合建模
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Halder与Thompson提出DeepAJM，用编码器—解码器架构在不依赖参数假设的情况下联合建模不规则纵向数据与生存结局，同时保留可部分解释的逐纵向结果关联。基于论文摘要，该模型在心血管疾病EHR队列、PBC2和模拟数据集上，与经典参数联合模型、TransformerJM、DA-LSTM及Cox模型比较；作者称其C-index、时变AUROC和时变AUPRC在全部数据集上区分表现最佳。所有模型也评估了IBS，但摘要未说明DeepAJM在该指标上的结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
DeepAJM：用于不规则采样数据的深度关联联合模型报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · cs.AIDeepAJM：用于不规则采样数据的深度关联联合模型
基于论文摘要，DeepAJM提出无需参数假设的深度联合模型，联合建模纵向与生存结局，并保留部分可解释的逐纵向结果关联结构。其编码器—解码器架构在心血管疾病EHR队列、PBC2和模拟数据集上，与经典参数联合模型、TransformerJM、DA-LSTM及Cox生存模型比较；按摘要所述，C-index、时变AUROC和时变AUPRC的区分表现均为最佳。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。