归档: 2020/10 | 卢一云的博客

2020

10

15

该研究受经济学中的研究启发，基于满足几条基本的性质来设计了一种深度学习模型的可解释性方法，拥有非常好的理论基础，并在多个模型上进行了实验。

2020-10-15 Paper-Method

Deep Learning Interpreting

14

探索了3种简单的CNNs模型来进行癌症种类分类，其中并没有考虑基因排序带来的影响（直接利用其名称进行排序），依然得到了95.7%的分类准确率。

2020-10-14 Paper

Omics CNNs

12

本研究扩展了CoxPH模型，将其可以应用到非线性和非比例假设的情况下。另外，该文章对于生存分析的模拟、基础理论等都有非常详细的介绍，非常适合进行学习。

2020-10-12 Paper

Deep Learning Survival Analysis

06

本研究基于自编码器框架提出了一个无监督模型，可以将已知的gene sets信息进一步进行总结，得到gene sets的组合——supersets的表示。其利用TCGA数据集进行了验证，显示出改模型在无监督聚类、亚型分类、生存预测等任务上都表现出色。

2020-10-06 Paper

Deep Learning Omics AutoEncoder Gene sets

06

本研究将RNAseq数据按照所属染色体整理成2D images数据，使用CNNs进行癌种分类，并使用Guided Grad-CAM方法来筛选变量，得到了可解释的结果。

2020-10-06 Paper

Deep Learning Omics CNNs