DeepSurv
DeepSurv är en djup neural nätverksmetod för överlevnadsanalys som lär sig personliga överlevnadsfördelningar direkt från data. Den introducerades av Katzman et al. 2018 och utökar Cox proportionella hasarditetsmodell genom att använda djupinlärning för att fånga komplexa, icke-linjära samband mellan kovariater och överlevnadsutfall. Den löser problemet med att modellera heterogena behandlingseffekter och tid-till-händelse-prediktioner i högdimensionella miljöer.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Deep Learning for Survival Analysis. ScholarGate. https://scholargate.app/sv/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) modellÖverlevnadsanalys↔ compare
- Cox proportionella riskmodellenÖverlevnadsanalys↔ compare
- Weibull parametrisk överlevnadsregressionÖverlevnadsanalys↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →