DeepHIT: a deep learning framework for prediction of hERG-induced cardiotoxicity
PulseAugur coverage of DeepHIT: a deep learning framework for prediction of hERG-induced cardiotoxicity — every cluster mentioning DeepHIT: a deep learning framework for prediction of hERG-induced cardiotoxicity across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新接口增强了表格基础模型在事件发生时间预测方面的能力
研究人员开发了新的适配接口，以提高表格基础模型（TabFMs）在事件发生时间预测任务中的性能。这些接口解决了处理删失数据和事件时间动态性的挑战，通过将TabFMs与CoxPH和DeepHit等既有方法相结合，在先前工作的基础上进行了改进。该研究评估了多种适配策略，包括时间零样本重构、基于分类的微调和生存头适配，并将其应用于多个数据集。结果表明，虽然零样本推理对于较小的数据集是有效的，但随着数据量的增加，监督适配变得更具优势，而CoxP…
-
新的一致性损失函数改进深度生存预测模型
研究人员为深度生存预测模型开发了一种新的损失函数，称为 SCL（Sigmoid Concordance Loss）。传统模型常使用似然目标函数，但其与评估生存预测的关键指标——一致性指数（C-index）——的相关性并不稳定。SCL 确保损失值下降直接对应 C-index 上升，提供了一个更稳定可靠的优化目标。在十八个数据集上的实验表明，SCL 在实现与标准似然损失相当的区分度同时，在训练过程中保持了损失与 C-index 之间的强相关性。
-
TabSurv 改进表格神经网络在生存分析中的应用
研究人员推出了一种新颖的方法 TabSurv，它将现代表格神经网络架构应用于生存分析任务。该方法使用了一种名为 SurvHL 的新直方图损失函数，该函数旨在有效处理删失数据。研究表明，TabSurv，特别是当作为具有 Weibull 参数化的深度集成实现时，在各种真实世界生存数据集上的表现优于现有的经典和深度学习基线。