DeephitTM:医学生存分析的时间相关性深度学习模型OA北大核心CSTPCD
生存分析是医学中经常用到的一种健康预测方法,越来越多的学者开始采用深度学习的方法对生存分析问题进行建模以得到更好的预测结果.目前已有的方法都假设风险和时间的联合概率是无关联的.然而生存分析数据的实际结果中却包含时间因素,这就无法保证不同时刻得到的风险概率是无关联的.本文提出一种带有时间相关性的深度学习模型DeephitTM,该模型对已有的深度学习模型Deephit进行了改进.实验结果表明,在不同的数据集上,改进后的模型的性能相比于原模型能够提升1到3个百分点.
张大鹏;程学亮;孙明霞
江苏信息职业技术学院物联网工程学院,江苏无锡214153 燕山大学信息科学与工程学院,河北秦皇岛066004燕山大学信息科学与工程学院,河北秦皇岛066004江苏信息职业技术学院物联网工程学院,江苏无锡214153
计算机与自动化
生存分析深度学习时间相关性神经网络Deephit模型
《南京师大学报（自然科学版）》 2024 (3)
P.138-148,11
国家自然科学基金项目(61973261)江苏省高等学校自然科学研究面上项目(18KJD510011)江苏省高等职业教育高水平专业群建设项目(苏教职函〔2021〕1号).