Atahan等提出SOSM无监督生存分析框架
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
最新进展11月19日 13:00
自组织生存流形(SOSM)框架:无监督几何映射生存预后报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- 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
- –
02.557.510
16:0018:0020:0022:0011月20日
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。