Copertina

Interpretable Multiple Myeloma Prognosis with Observational Medical Outcomes Partnership Data

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Rachidi, Salma, Bozorgpanah, Aso, Fey, Eric, Jung, Alexander
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Review of Interpretable Machine Learning Models for Disease Prognosis
di: Shen, Jinzhi, et al.
Pubblicazione: (2024)

DeepSelective: Interpretable Prognosis Prediction via Feature Selection and Compression in EHR Data
di: Zhang, Ruochi, et al.
Pubblicazione: (2025)

Observational Multiplicity
di: George, Erin, et al.
Pubblicazione: (2025)

Robust Offline Policy Learning with Observational Data from Multiple Sources
di: Carranza, Aldo Gael, et al.
Pubblicazione: (2024)

Interpretable Clustering with Adaptive Heterogeneous Causal Structure Learning in Mixed Observational Data
di: Li, Wenrui, et al.
Pubblicazione: (2025)

Causal Inference for Genomic Data with Multiple Heterogeneous Outcomes
di: Du, Jin-Hong, et al.
Pubblicazione: (2024)

Hidden Leaks in Time Series Forecasting: How Data Leakage Affects LSTM Evaluation Across Configurations and Validation Strategies
di: Albelali, Salma, et al.
Pubblicazione: (2025)

Learning Causally Predictable Outcomes from Psychiatric Longitudinal Data
di: Strobl, Eric V.
Pubblicazione: (2025)

The Boundaries of Fair AI in Medical Image Prognosis: A Causal Perspective
di: Pham, Thai-Hoang, et al.
Pubblicazione: (2025)

Efficient Parameter Adaptation for Multi-Modal Medical Image Segmentation and Prognosis
di: Saeed, Numan, et al.
Pubblicazione: (2025)

Learning in Prophet Inequalities with Noisy Observations
di: Kim, Jung-hun, et al.
Pubblicazione: (2026)

Stable Prediction of Adverse Events in Medical Time-Series Data
di: Keoliya, Mayank, et al.
Pubblicazione: (2025)

MO-RiskVAE: A Multi-Omics Variational Autoencoder for Survival Risk Modeling in Multiple MyelomaMO-RiskVAE
di: Chen, Zixuan, et al.
Pubblicazione: (2026)

Contextualized Policy Recovery: Modeling and Interpreting Medical Decisions with Adaptive Imitation Learning
di: Deuschel, Jannik, et al.
Pubblicazione: (2023)

A Framework for Interpretability in Machine Learning for Medical Imaging
di: Wang, Alan Q., et al.
Pubblicazione: (2023)

Interpretable Hierarchical Attention Network for Medical Condition Identification
di: Fang, Dongping, et al.
Pubblicazione: (2024)

Electronic Health Records-Based Data-Driven Diabetes Knowledge Unveiling and Risk Prognosis
di: Pang, Huadong, et al.
Pubblicazione: (2024)

Synthetic Survival Data Generation for Heart Failure Prognosis Using Deep Generative Models
di: Puttanawarut, Chanon, et al.
Pubblicazione: (2025)

Making Interpretable Discoveries from Unstructured Data: A High-Dimensional Multiple Hypothesis Testing Approach
di: Carlson, Jacob
Pubblicazione: (2025)

PILA: Physics-Informed Low Rank Augmentation for Interpretable Earth Observation
di: She, Yihang, et al.
Pubblicazione: (2024)

Decomposing Observational Multiplicity in Decision Trees: Leaf and Structural Regret
di: Cavus, Mustafa
Pubblicazione: (2026)

PRIMO: Private Regression in Multiple Outcomes
di: Neel, Seth
Pubblicazione: (2023)

Preoperative Prognosis Assessment of Lumbar Spinal Surgery for Low Back Pain and Sciatica Patients based on Multimodalities and Multimodal Learning
di: Chen, Li-Chin, et al.
Pubblicazione: (2023)

Recent advances in Meta-model of Optimal Prognosis
di: Most, Thomas, et al.
Pubblicazione: (2024)

How Your Location Relates to Health: Variable Importance and Interpretable Machine Learning for Environmental and Sociodemographic Data
di: Maitra, Ishaan, et al.
Pubblicazione: (2025)

Combining Observational Data and Language for Species Range Estimation
di: Hamilton, Max, et al.
Pubblicazione: (2024)

Discussion: Effective and Interpretable Outcome Prediction by Training Sparse Mixtures of Linear Experts
di: Folino, Francesco, et al.
Pubblicazione: (2024)

Towards Case-based Interpretability for Medical Federated Learning
di: Latorre, Laura, et al.
Pubblicazione: (2024)

Medical Interpretability and Knowledge Maps of Large Language Models
di: Marinescu, Razvan, et al.
Pubblicazione: (2025)

Salvaging Forbidden Treasure in Medical Data: Utilizing Surrogate Outcomes and Single Records for Rare Event Modeling
di: Yin, Xiaohui, et al.
Pubblicazione: (2025)

Interpretable Mesomorphic Networks for Tabular Data
di: Kadra, Arlind, et al.
Pubblicazione: (2023)

Interpretable Deep Clustering for Tabular Data
di: Svirsky, Jonathan, et al.
Pubblicazione: (2023)

Optimizing Resources for On-the-Fly Label Estimation with Multiple Unknown Medical Experts
di: Bary, Tim, et al.
Pubblicazione: (2025)

Evaluating the Sensitivity of BiLSTM Forecasting Models to Sequence Length and Input Noise
di: Albelali, Salma, et al.
Pubblicazione: (2025)

Chronic Diseases Prediction using Machine Learning and Deep Learning Methods
di: Belhad, Houda, et al.
Pubblicazione: (2025)

Sensitivity analysis using the Metamodel of Optimal Prognosis
di: Most, Thomas, et al.
Pubblicazione: (2024)

KumoRFM-2: Scaling Foundation Models for Relational Learning
di: Hudovernik, Valter, et al.
Pubblicazione: (2026)

Interpretable Causal Inference for Analyzing Wearable, Sensor, and Distributional Data
di: Katta, Srikar, et al.
Pubblicazione: (2023)

Deep Semi-Supervised Survival Analysis for Predicting Cancer Prognosis
di: Sun, Anchen, et al.
Pubblicazione: (2026)

Integrating White and Black Box Techniques for Interpretable Machine Learning
di: Vernon, Eric M., et al.
Pubblicazione: (2024)