DeepSurv
DeepSurv is een deep neural network-benadering voor overlevingsanalyse die gepersonaliseerde overlevingsverdelingen rechtstreeks uit data leert. Geïntroduceerd door Katzman et al. in 2018, breidt het het Cox-model voor proportionele hazards uit met deep learning om complexe, niet-lineaire relaties tussen covariaten en overlevingsuitkomsten vast te leggen. Het lost het probleem op van het modelleren van heterogene behandelingseffecten en tijd-tot-gebeurtenis-voorspellingen in hoog-dimensionale settings.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Deep Learning for Survival Analysis. ScholarGate. https://scholargate.app/nl/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.
- Accelerated Failure Time (AFT) ModelOverlevingsanalyse↔ compare
- Cox Proportionele Risico's RegressieOverlevingsanalyse↔ compare
- Weibull parametrische overlevingsregressieOverlevingsanalyse↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →