DeepSurv
DeepSurv és un enfocament de xarxa neuronal profunda per a l'anàlisi de supervivència que aprèn distribucions de supervivència personalitzades directament a partir de dades. Introduït per Katzman et al. el 2018, estén el model de perills proporcionals de Cox utilitzant aprenentatge profund per capturar relacions complexes i no lineals entre covariables i resultats de supervivència. Soluciona el problema de modelar efectes de tractament heterogenis i prediccions de temps fins a un esdeveniment en entorns d'alta dimensionalitat.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Deep Learning for Survival Analysis. ScholarGate. https://scholargate.app/ca/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.
- Model d'Accelerated Failure Time (AFT)Supervivència↔ compare
- Regressió de Cox amb perills proporcionalsSupervivència↔ compare
- Regressió de supervivència paramètrica de WeibullSupervivència↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →