精选理由
生存分析领域终于有了一个不依赖离散化或分布假设的深度学习方案，做医学影像或高维数据风险建模的团队可以直接用 QSurv 获得更准确的风险曲线，值得关注。
QSurv 是一个可扩展的深度学习框架，用于非参数连续时间生存建模，避免了传统方法对时间离散化或分布假设的依赖。它采用 Gauss-Legendre 数值积分来近似累积风险函数，实现高效端到端训练。此外，QSurv 引入了时间条件低秩适配机制，使神经网络能够动态捕捉非平稳风险动态。理论分析证明了累积风险评估的误差界。在合成数据、大规模表格数据和医学影像任务上，QSurv 在预测性能和风险函数估计方面均优于现有方法。
AI 翻译 · 中文
QSurv 是一个可扩展的深度学习框架，用于非参数连续时间生存建模，避免了传统方法对时间离散化或分布假设的依赖。它采用 Gauss-Legendre 数值积分来近似累积风险函数，实现高效端到端训练。此外，QSurv 引入了时间条件低秩适配机制，使神经网络能够动态捕捉非平稳风险动态。理论分析证明了累积风险评估的误差界。在合成数据、大规模表格数据和医学影像任务上，QSurv 在预测性能和风险函数估计方面均优于现有方法。
Flexible continuous-time survival modeling is critical for capturing complex time-varying hazard dynamics in high-dimensional data; however, training such models remains challenging due to the intractable integral requir…