Uncertainty-aware graph representation learning with positive-unlabeled classification for biomarker discovery in peripheral artery disease
Dit artikel presenteert een onzekerheidsbewust raamwerk voor het leren van grafische representaties dat positief-onbepaalde classificatie en ensemble-methoden integreert om nieuwe en goed gekalibreerde biomerkers voor perifeer arterieel vaatlijden te prioriteren, waarbij het superieure voorspellende prestaties en biologische relevantie toont in vergelijking met bestaande basismethoden.