DeepSurv
DeepSurv — это подход к анализу выживаемости на основе глубоких нейронных сетей, который непосредственно обучается персонализированным распределениям выживаемости на основе данных. Предложенный Катцманом и др. в 2018 году, он расширяет модель пропорциональных рисков Кокса, используя глубокое обучение для улавливания сложных нелинейных зависимостей между ковариатами и исходами выживаемости. Он решает проблему моделирования гетерогенных эффектов лечения и прогнозирования времени до наступления события в высокоразмерных условиях.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Deep Learning for Survival Analysis. ScholarGate. https://scholargate.app/ru/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.
- Модель ускоренного времени отказа (AFT)Анализ выживаемости↔ compare
- Регрессия пропорциональных рисков КоксаАнализ выживаемости↔ compare
- Вейбулловская параметрическая регрессия выживаемостиАнализ выживаемости↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →