Survival analysisDeep Learning
DeepSurv
DeepSurvは、データから直接個別化された生存分布を学習する、生存時間解析のためのディープニューラルネットワークアプローチです。2018年にKatzmanらによって導入されたこの手法は、共変量と生存転帰との間の複雑で非線形な関係を捉えるためにディープラーニングを用いてCox比例ハザードモデルを拡張したものです。高次元設定における異質性治療効果およびイベント発生までの時間予測の問題を解決します。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Deep Learning for Survival Analysis. ScholarGate. https://scholargate.app/ja/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.
- 加速故障時間（AFT）モデル生存時間解析↔ compare
- Cox比例ハザード回帰生存時間解析↔ compare
- ワイブル生存回帰 (Weibull Parametric Survival Regression)生存時間解析↔ compare