文献

J-GLOBAL ID：202202279690116978   整理番号：22A1175683

CD-Surv:動的生存解析のためのコントラストベースモデル【JST・京大機械翻訳】

CD-Surv: a contrastive-based model for dynamic survival analysis

著者 (9件)： Hong Caogen (Zhejiang University, Hangzhou, Zhejiang, China) ,  Hong Caogen (Jiangsu Automation Research Institute, Lianyungang, China) ,  Chen Jinbiao (Zhejiang University, Hangzhou, Zhejiang, China) ,  Yi Fan (Zhejiang University, Hangzhou, Zhejiang, China) ,  Hao Yuzhe (Jiangsu Automation Research Institute, Lianyungang, China) ,  Meng Fanwen (Jiangsu Automation Research Institute, Lianyungang, China) ,  Dong Zhanghuiya (Jiangsu Automation Research Institute, Lianyungang, China) ,  Lin Hui (Zhejiang University, Hangzhou, Zhejiang, China) ,  Huang Zhengxing (Zhejiang University, Hangzhou, Zhejiang, China)
資料名： Health Information Science and Systems  (Health Information Science and Systems)
巻： 10  号： 1  ページ： 5  発行年： 2022年 
JST資料番号： W4406A  ISSN： 2047-2501  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 共変量とイベント時間の関係を調査することを狙った生存分析は,健康サービス管理に大きな効果を示した。電子健康記録(EHR)のような逐次パターンを有する縦断的データは,大量の患者治療軌跡を含み,従って,生存分析に対する大きな可能性を提供する。しかし,ほとんどの既存の研究は,静的方法における生存解析問題に対処し,すなわち,それらは,縦断的データの一部を利用するだけであり,複数の訪問の間の相関を無視し,通常,患者治療軌跡の潜在表現を捉えることができないかもしれない。これは必然的に生存解析の性能を低下させる。この課題に取り組むために,患者治療軌跡をよりよく理解し,標的患者の生存確率を動的に予測するために,エンドツーエンドコントラストベースモデルCD-Survを提案した。特に,2つのデータ増強戦略,すなわちマスク生成とシャッフル生成を採用して,EHRで文書化された実際の処理軌跡を強化した。これに基づいて,実際の軌跡の隠れ表現を,拡張と実際の軌跡の間のコントラスト学習を利用することによって改良することができた。提案したCD-Survを2つの実世界データ集合上で評価し,実験結果は,提案モデルが様々な評価尺度で最先端のベースラインを凌駕できることを示した。Copyright The Author(s), under exclusive licence to Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *コントラスト ,  学習 ,  データ ,  統計解析 ,  生存率 ,  患者 ,  基準線 ,  電子カルテ
準シソーラス用語： *生存率分析 ,  評価尺度 ,  患者治療 ,  共変量 , 【Automatic Indexing@JST】

著者キーワード (4件)： 生存解析 ,  電子健康記録 ,  長期的データ ,  対照的学習

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (2件)： Cd ,  生存解析