Buchumschlag

TorchSurv: A Lightweight Package for Deep Survival Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Monod, Mélodie, Krusche, Peter, Cao, Qian, Sahiner, Berkman, Petrick, Nicholas, Ohlssen, David, Coroller, Thibaud
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

NeuralSurv: Deep Survival Analysis with Bayesian Uncertainty Quantification
von: Monod, Mélodie, et al.
Veröffentlicht: (2025)

Statistical modeling of breast cancer radiomic features and hazard using image registration-aided longitudinal CT data
von: Mukherjee, Subrata, et al.
Veröffentlicht: (2026)

The Framework That Survives Bad Models: Human-AI Collaboration For Clinical Trials
von: Chen, Yao, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Online Optimal Execution Strategies
von: Micheli, Alessandro, et al.
Veröffentlicht: (2024)

Image registration based automated lesion correspondence pipeline for longitudinal CT data
von: Mukherjee, Subrata, et al.
Veröffentlicht: (2024)

Diffusion Models for Inverse Problems in the Exponential Family
von: Micheli, Alessandro, et al.
Veröffentlicht: (2025)

ConSurv: Multimodal Continual Learning for Survival Analysis
von: Yu, Dianzhi, et al.
Veröffentlicht: (2025)

SurvReLU: Inherently Interpretable Survival Analysis via Deep ReLU Networks
von: Sun, Xiaotong, et al.
Veröffentlicht: (2024)

TV-SurvCaus: Dynamic Representation Balancing for Causal Survival Analysis
von: Abraich, Ayoub
Veröffentlicht: (2025)

SurvCORN: Survival Analysis with Conditional Ordinal Ranking Neural Network
von: Ridzuan, Muhammad, et al.
Veröffentlicht: (2024)

Designing monitoring strategies for deployed machine learning algorithms: navigating performativity through a causal lens
von: Feng, Jean, et al.
Veröffentlicht: (2023)

TripleSurv: Triplet Time-adaptive Coordinate Loss for Survival Analysis
von: Zhang, Liwen, et al.
Veröffentlicht: (2024)

TabSurv: Adapting Modern Tabular Neural Networks to Survival Analysis
von: Kirpichenko, Stanislav, et al.
Veröffentlicht: (2026)

SurvDiff: A Diffusion Model for Generating Synthetic Data in Survival Analysis
von: Brockschmidt, Marie, et al.
Veröffentlicht: (2025)

SurvHTE-Bench: A Benchmark for Heterogeneous Treatment Effect Estimation in Survival Analysis
von: Noroozizadeh, Shahriar, et al.
Veröffentlicht: (2026)

SurvBench: A Standardised Preprocessing Pipeline for Multi-Modal Electronic Health Record Survival Analysis
von: Mesinovic, Munib, et al.
Veröffentlicht: (2025)

ResSurv: Cancer Survival Analysis Prediction Model Based on Residual Networks
von: Zhai, Wankang
Veröffentlicht: (2024)

SurvUnc: A Meta-Model Based Uncertainty Quantification Framework for Survival Analysis
von: Liu, Yu, et al.
Veröffentlicht: (2025)

Torch-Choice: A PyTorch Package for Large-Scale Choice Modeling with Python
von: Du, Tianyu, et al.
Veröffentlicht: (2023)

SurvKAN: A Fully Parametric Survival Model Based on Kolmogorov-Arnold Networks
von: Mastroleo, Marina, et al.
Veröffentlicht: (2026)

SurvBETA: Ensemble-Based Survival Models Using Beran Estimators and Several Attention Mechanisms
von: Utkin, Lev V., et al.
Veröffentlicht: (2024)

Metric Graph Kernels via the Tropical Torelli Map
von: Cao, Yueqi, et al.
Veröffentlicht: (2025)

TrajSurv: Learning Continuous Latent Trajectories from Electronic Health Records for Trustworthy Survival Prediction
von: Zeng, Sihang, et al.
Veröffentlicht: (2025)

PiShield: A PyTorch Package for Learning with Requirements
von: Stoian, Mihaela Cătălina, et al.
Veröffentlicht: (2024)

Approximating Persistent Homology for Large Datasets
von: Cao, Yueqi, et al.
Veröffentlicht: (2022)

SurvAttack: Black-Box Attack On Survival Models through Ontology-Informed EHR Perturbation
von: Kerdabadi, Mohsen Nayebi, et al.
Veröffentlicht: (2024)

SurvRNC: Learning Ordered Representations for Survival Prediction using Rank-N-Contrast
von: Saeed, Numan, et al.
Veröffentlicht: (2024)

DySurv: dynamic deep learning model for survival analysis with conditional variational inference
von: Mesinovic, Munib, et al.
Veröffentlicht: (2023)

TorchAO: PyTorch-Native Training-to-Serving Model Optimization
von: Or, Andrew, et al.
Veröffentlicht: (2025)

ExecuTorch -- A Unified PyTorch Solution to Run AI Models On-Device
von: Nachin, Mergen, et al.
Veröffentlicht: (2026)

Learning, Potential, and Retention: An Approach for Evaluating Adaptive AI-Enabled Medical Devices
von: Burgon, Alexis, et al.
Veröffentlicht: (2026)

Torch-Uncertainty: A Deep Learning Framework for Uncertainty Quantification
von: Lafage, Adrien, et al.
Veröffentlicht: (2025)

SurvMamba: State Space Model with Multi-grained Multi-modal Interaction for Survival Prediction
von: Chen, Ying, et al.
Veröffentlicht: (2024)

HySurvPred: Multimodal Hyperbolic Embedding with Angle-Aware Hierarchical Contrastive Learning and Uncertainty Constraints for Survival Prediction
von: Yang, Jiaqi, et al.
Veröffentlicht: (2025)

Deep Learning for Survival Analysis: A Review
von: Wiegrebe, Simon, et al.
Veröffentlicht: (2023)

Torch Geometric Pool: the PyTorch library for pooling in Graph Neural Networks
von: Abate, Carlo, et al.
Veröffentlicht: (2025)

PyDTS: A Python Package for Discrete-Time Survival Analysis with Competing Risks and Optional Penalization
von: Meir, Tomer, et al.
Veröffentlicht: (2022)

Fast Convex Optimization for Two-Layer ReLU Networks: Equivalent Model Classes and Cone Decompositions
von: Mishkin, Aaron, et al.
Veröffentlicht: (2022)

Survival Kernets: Scalable and Interpretable Deep Kernel Survival Analysis with an Accuracy Guarantee
von: Chen, George H.
Veröffentlicht: (2022)

Riemannian Neural Optimal Transport
von: Micheli, Alessandro, et al.
Veröffentlicht: (2026)