抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
深層学習の急速な進歩により,多くの計算法が開発され,深層学習アプローチにより非線形で複雑な正しい検閲データを分析した。しかし,大多数の方法は,事象に対する単一値時間を予測するよりも,生存機能またはハザード機能の予測に焦点を合わせた。本論文では,イベントに対する個々の時間を直接予測するために,新しい方法を提案する。それは,平均二乗誤差と一致指数を組み合わせた革新的損失関数を有する深層学習フレームワークを利用する。最も重要なことに,深いCENTは競合リスクを扱うことができ,そこでは1タイプの事象が観測から他のタイプの事象を除外する。深部CENTの有効性と利点を,シミュレーション研究を使用して評価し,3つの公的に利用可能な癌データセットで例証した。【JST・京大機械翻訳】