DeepSurv
DeepSurv je prístup k analýze prežitia založený na hlbokých neurónových sieťach, ktorý sa učí personalizované distribúcie prežitia priamo z dát. Predstavený Katzmanom et al. v roku 2018, rozširuje Coxov model proporcionálnych nebezpečenstiev pomocou hlbokého učenia na zachytenie komplexných, nelineárnych vzťahov medzi kovariátmi a výsledkami prežitia. Rieši problém modelovania heterogénnych účinkov liečby a predikcie času do udalosti vo vysokodimenzionálnych prostrediach.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Deep Learning for Survival Analysis. ScholarGate. https://scholargate.app/sk/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.
- Model zrýchleného času zlyhania (AFT)Analýza prežívania↔ compare
- Regresia proporcionálnych rizik CoxAnalýza prežívania↔ compare
- Parametrická regresia prežitia podľa Weibullovho rozdeleniaAnalýza prežívania↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →