应用半监督生成对抗网络预测临床试验中严重不良事件
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.12010/j.issn.1673-5846.2019.05.004

应用半监督生成对抗网络预测临床试验中严重不良事件

引用
大数据时代带来丰富数据的机遇,同时又带来如何能有效利用这些数据的挑战.在很多细分化的医疗领域,如临床实验、癌症和罕见病诊断等,目标数据会变得相对稀少或缺失大量特征值.这使得建模变得非常困难.同时在医疗领域,计算机科学和存储技术的发展又能观测到大量的未标识的相关数据.这些数据样本虽然丰富,很难与目标数据直接结合起来.使用最新的半监督生成对抗网络模型可在少量标识样本情况下,使用大量未标识数据达到帮助训练和提高预测准确度.由于半监督生成对抗网络难以训练,可通过加入特殊损失项来提升模型训练技巧.在预测药物临床严重不良事件真实世界案例中,半监督生成对抗网络通过读取未标识样本的额外信息和生成大量的虚拟样本,达到了帮助模型训练的目的.和基准模型相比,半监督生成对抗网络取得了相对最好的预测精准度.相同的模型构架还可以拓展到其他相类似的小标识样本但存在大量相关数据的案例中.

半监督生成对抗网络、临床试验、严重不良事件、预测

14

R-058(一般理论)

2019-07-03(万方平台首次上网日期,不代表论文的发表时间)

共5页

31-35

相关文献
评论
暂无封面信息
查看本期封面目录

中国药物经济学

1673-5846

11-5482/R

14

2019,14(5)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn