Novartis/torchsurv

🔥 Phân tích sinh tồn sâu trên PyTorch một cách đơn giản

TorchSurv — thư viện phân tích sinh tồn (survival analysis) nhẹ, 100% PyTorch, do Novartis & FDA phát triển.

TorchSurv là một thư viện Python được thiết kế để hỗ trợ thực hiện mô hình sinh tồn sâu trong môi trường PyTorch. Khác với các thư viện khác ép buộc người dùng tuân theo các dạng tham số cụ thể, TorchSurv cho phép sử dụng bất kỳ kiến trúc mô hình PyTorch nào. Với thiết kế nhẹ và yêu cầu đầu vào tối thiểu, TorchSurv đặc biệt hữu ích cho xử lý dữ liệu đầu vào đa chiều.

✨ Điểm nổi bật

• Mô hình tùy chỉnh: Hỗ trợ bất kỳ kiến trúc mô hình PyTorch nào, không ràng buộc dạng tham số.
• Backend PyTorch đầy đủ: Toàn bộ tính toán dựa trên PyTorch, tương thích hoàn hảo với hệ sinh thái này.
• Hàm mất mát và độ đo chuẩn: Cung cấp các hàm như cox.neg_partial_log_likelihood và ConcordanceIndex dưới dạng hàm thường ngày.
• Đánh giá thống kê: Hỗ trợ tính toán khoảng tin cậy (confidence interval) và kiểm định giả thuyền (p-value) cho chỉ số c-index.
• So sánh mô hình: Cho phép so sánh hiệu suất giữa hai mô hình bằng cách dùng phương thức compare.
• Dễ tích hợp: Cú pháp giống hệt các hàm PyTorch khác, dễ dàng chèn vào vòng lặp huấn luyện.

💡 Vì sao đáng chú ý

TorchSurv khác biệt từ các thư viện truyền thống bằng cách không ép buộc người dùng phải dùng các mô hình sinh tồn có dạng cụ thể. Thay vào đó, nó cung cấp một nền tảng mạnh mẽ và linh hoạt để xây dựng mô hình tùy chỉnh dựa trên PyTorch, đặc biệt phù hợp với dữ liệu y tế và sinh học đa chiều. Dự án được phát triển hợp tác bởi Novartis và FDA, khẳng định uy tín và độ tin cậy trong lĩnh vực khoa học quy định (regulatory science).

#DeepLearning #SurvivalAnalysis #PyTorch #OpenSource #TiniX