เปรียบเทียบวิธี

	DeepSurv	การถดถอยแบบพาราเมตริกแบบ Weibull
สาขาวิชา	การวิเคราะห์การอยู่รอด	การวิเคราะห์การอยู่รอด
ตระกูล	Survival analysis	Survival analysis
ปีกำเนิด	2018	1951
ผู้ริเริ่ม	Jared Katzman	Waloddi Weibull
ประเภท	Neural network-based survival model	Fully parametric survival regression model
แหล่งต้นตำรับ	Faraggi, D., & Simon, R. (1995). A neural network model for survival data. Statistics in Medicine, 14(1), 73–82.	Kalbfleisch, J. D. & Prentice, R. L. (2002). The Statistical Analysis of Failure Time Data (2nd ed.). Wiley.
ชื่อเรียกอื่น	Neural network survival, DL survival model	weibull aft model, weibull survival model, parametric survival regression, Weibull Regresyonu — Parametrik Hayatta Kalma
ที่เกี่ยวข้อง	3	4
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.	Weibull regression is a fully parametric survival model, formalised by Kalbfleisch and Prentice, that assumes survival times follow a Weibull distribution. A shape parameter controls whether the hazard increases, decreases, or remains constant over time, while covariates shift the scale of the distribution to express how predictors affect survival.