เปรียบเทียบวิธี

	DeepSurv	การถดถอยภาวะเสี่ยงที่เป็นสัดส่วนของค็อกซ์ (Cox Proportional Hazards Regression)
สาขาวิชา	การวิเคราะห์การอยู่รอด	การวิเคราะห์การอยู่รอด
ตระกูล	Survival analysis	Survival analysis
ปีกำเนิด	2018	1972
ผู้ริเริ่ม	Jared Katzman	Cox, D. R.
ประเภท	Neural network-based survival model	Semi-parametric hazard regression model
แหล่งต้นตำรับ	Faraggi, D., & Simon, R. (1995). A neural network model for survival data. Statistics in Medicine, 14(1), 73–82.	Cox, D. R. (1972). Regression Models and Life-Tables. Journal of the Royal Statistical Society: Series B, 34(2), 187–202.
ชื่อเรียกอื่น	Neural network survival, DL survival model	cox ph model, proportional hazards model, cox ph regression, Cox Orantılı Tehlikeler Regresyonu
ที่เกี่ยวข้อง	3	3
สรุป	DeepSurv is a deep neural network approach to survival analysis that learns personalized survival distributions directly from data. Introduced by Katzman et al. in 2018, it extends the Cox proportional hazards model using deep learning to capture complex, nonlinear relationships between covariates and survival outcomes. It solves the problem of modeling heterogeneous treatment effects and time-to-event predictions in high-dimensional settings.	Cox proportional hazards regression, introduced by D. R. Cox in 1972, is a semi-parametric model that estimates how one or more covariates affect the hazard — the instantaneous rate of experiencing an event — while leaving the baseline hazard function unspecified. It is the standard multivariable method in survival analysis and produces hazard ratios that quantify the relative risk associated with each predictor.