跳到正文
热点事件持续更新

Atahan等提出SOSM无监督生存分析框架

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Atahan Karagoz等人提出自组织生存流形(SOSM)深度学习框架,该架构将无监督表征学习与生存标签解耦,并把事件发生时间视为涌现的几何属性。在184例患者队列测试中,该框架实现平均C指数0.768,且能自动复现代谢驱动因子。研究代码已开源,目前处于arXiv预印本阶段。

AI 根据报道生成 · 10 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · ML
    自组织生存流形(SOSM)框架:无监督几何映射生存预后

    SOSM 框架将时间事件视为几何属性,在 184 例患者队列中实现平均 C 指数 0.768。 模型自动复现代谢驱动因子,代码已开源。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 16:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。