Survival analysisDeep Learning
DeepHit
DeepHitは、競合リスクを伴う生存分析のための深層ニューラルネットワークフレームワークです。2018年にLeeらが発表したもので、DeepSurvを拡張し、疾患特異的死亡率とその他の原因による死亡など、複数の相互排他的なイベントが発生する状況に対応します。DeepHitは、被験者が異なる種類の終末イベントを経験しうる場合の個別化されたリスク予測という課題を解決します。これは医療や信頼性工学のアプリケーションでよく見られるシナリオです。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Lee, C., Zame, W., Yoon, J., & van der Schaar, M. (2018). DeepHit: A deep learning approach for dynamic survival analysis with competing risks. AAAI Conference on Artificial Intelligence, 32(1), 2314–2321. link ↗
- Fine, J. P., & Gray, R. J. (1999). A proportional hazards model for the subdistribution of a competing risk. Journal of the American Statistical Association, 94(446), 496–509. DOI: 10.1080/01621459.1999.10474144 ↗
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Deep Learning for Competing Risks. ScholarGate. https://scholargate.app/ja/survival/deephit
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.
Compare side by side →