DeepSurv
DeepSurv হলো সারভাইভাল অ্যানালাইসিসের জন্য একটি ডিপ নিউরাল নেটওয়ার্ক পদ্ধতি যা সরাসরি ডেটা থেকে ব্যক্তিগতকৃত সারভাইভাল ডিস্ট্রিবিউশন শেখে। ২০১৮ সালে Katzman et al. কর্তৃক প্রবর্তিত এই পদ্ধতিটি কোক্স প্রোপোরশনাল হ্যাজার্ডস মডেলকে প্রসারিত করে, যেখানে ডিপ লার্নিং ব্যবহার করে কোভেরিয়েট এবং সারভাইভাল আউটকামগুলির মধ্যে জটিল, অরৈখিক সম্পর্কগুলি ধরা হয়। এটি উচ্চ-মাত্রিক সেটিংসে ভিন্ন ভিন্ন ট্রিটমেন্ট এফেক্ট এবং টাইম-টু-ইভেন্ট প্রেডিকশনের মডেলিংয়ের সমস্যা সমাধান করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Faraggi, D., & Simon, R. (1995). A neural network model for survival data. Statistics in Medicine, 14(1), 73–82. DOI: 10.1002/sim.4780140108 ↗
- Katzman, J. L., et al. (2018). DeepSurv: Personalized treatment recommender system using a Cox proportional hazards deep neural network. Journal of Machine Learning Research, 40, 40–51. DOI: 10.1186/s12874-018-0482-1 ↗
- Lee, C., Zame, W., Yoon, J., & van der Schaar, M. (2018). Deephit: A deep learning approach for dynamic survival analysis. AAAI Conference on Artificial Intelligence, 32(1). link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Deep Learning for Survival Analysis. ScholarGate. https://scholargate.app/bn/survival/deepsurv
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ত্বরান্বিত ব্যর্থতা সময় (AFT) মডেলউত্তরজীবিতা↔ compare
- Cox Proportional Hazards Regressionউত্তরজীবিতা↔ compare
- Weibull Parametric Survival Regressionউত্তরজীবিতা↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →