深度学习用于生存分析：综述
机器学习
2024-02-23 v4 机器学习
摘要
近年来深度学习（DL）技术涌入生存分析领域，带来了方法学上的实质性进展；例如，从图像、文本或组学数据等非结构化或高维数据中学习。在本工作中，我们对基于DL的时间事件分析方法进行了全面的系统性综述，依据生存分析与深度学习相关属性对其加以刻画。总之，所综述的方法往往只解决与时间事件数据相关的很小一部分任务——例如单风险右删失数据——而忽略纳入更复杂的设定。我们的发现总结于一个可编辑、开源、交互式的表格中：https://survival-org.github.io/DL4Survival。由于该研究领域正快速推进，我们鼓励社区贡献以保持该数据库的最新状态。
引用
@article{arxiv.2305.14961,
title = {Deep Learning for Survival Analysis: A Review},
author = {Simon Wiegrebe and Philipp Kopper and Raphael Sonabend and Bernd Bischl and Andreas Bender},
journal= {arXiv preprint arXiv:2305.14961},
year = {2024}
}
备注
29 pages, 7 figures, 2 tables, 1 interactive table