DeepSurv
DeepSurv er en dyp nevral nettverkstilnærming til overlevelsesanalyse som lærer personaliserte overlevelsesfordelinger direkte fra data. Introdusert av Katzman et al. i 2018, utvider den Cox proporsjonal hasardmodell ved bruk av dyp læring for å fange komplekse, ikke-lineære sammenhenger mellom kovariater og overlevelsesutfall. Den løser problemet med å modellere heterogene behandlingseffekter og tid-til-hendelse-prediksjoner i høydimensjonale omgivelser.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Deep Learning for Survival Analysis. ScholarGate. https://scholargate.app/no/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.
- Akselerert feiltid (AFT)-modellOverlevelsesanalyse↔ compare
- Cox proporsjonal hazardregresjonOverlevelsesanalyse↔ compare
- Weibull parametrisk overlevelsesregresjonOverlevelsesanalyse↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →