A Deep Cox Proportional Hazards Network_Step by step-CSDN博客
??
??ici
??DeepSurvThéano 和 Lasagne库实现的，支持训练网络模型，预测等功能。
考虑到DeepSurv库中存在着一些错误以及未实现的功能，博主使用目前主流的深度学习框架Tensorflow实现了深度生存分析库：TFDeepSurvÉtoile和Fourchette，指出错误，相互交流！
TFDeepSurv简介：基于tensorflow的深度生存分析框架，经过模拟数据和真实数据的测试。ties的建模，自定义神经网络结构及参数，可视化训练过程，输入训练数据特征重要性分析，病人生存函数的估计。还有支持使用科学的贝叶斯超参数优化??
TFDeepSurv各个功能实现参考的源论文！
introduction
????COX比例风险模型，神经网络恰好擅长学习复杂的非线性函数。
NN模型表现超过普通的COX模型，目前适用神经网络进行生存分析的主要的方法为：
- ??
- ??
- Réseau Faraggi-Simon（前向NN，估计单个病人风险）
有很多基于Réseau Faraggi-Simon的方法，但是相比经典的COX比例风险没有明显的提升，原因是因为当时的NN研究还没有如今这么透彻！（现在有很多基于NN的优化方法，以及成熟的框架??
??
- COX模型进行生存分析（总是好于经典模型）
- ??
Fond
??
- ??
X
X
X??T
T
T??E
E
E. -
E
=
0
E = 0
E=0??E
=
1
E = 1
E=1?? -
E
=
0
E=0
E=0 censuré à droite（右删失），在标准的回归模型中，这部分病人会被丢弃。
Réseau Faraggi-Simon
- NN去学习非线性的风险函数
- 只有一个隐藏层，2到3个神经元
- COX比例风险模型，然后就没有下文了
Survie profonde
DeepSurv
- .
- 使用了更加先进的训练技巧，比如ReLU函数，Dropout，BatchNorm等方法.
- .
??
Système de recommandation de traitement
- .
- COX模型，网络不需要先验知识（大致的意思就是不用人工提取重要特征）.
Expériences
??
??indice de concordance (indice C)，也就是一致性指数，其计算方式为：une paire est concordante avec les résultats réels si le patient présentant un risque prédit le plus élevé décède en premier. **Le C-index est le rapport entre le nombre de prédictions concordantes et l’ensemble de toutes les paires possibles. **（un événement non comparable, par exemple, est deux patients censurés ou un patient censuré avant le décès d’un autre)
??
????
ligne de base : une régression CPH linéaire pour une comparaison de ligne de base
- Gaussien）的风险函数。每个实验数据包含训练、验证和测试集（
N
=
10000
N=10000
N=1000010个，都服从[-1, 1]??T
=
E
X
p
(
??
0
??
e
−
h
(
X
)
)
T = Exp(lambda_0 cdot e^{-h(x)})
T=EXp(??0??e−h(X))??h
(
X
)
h(x)
h(X)NN具有筛选变量的功能。最后，选择了一个截止时间，使得数据中有30%-40%病人都有观测事件 . - infarctus du myocarde (IM) 生存分析，1638个观测病例和5个特征.
????
- 线性风险函数数据：DeepSurv表现的和COX模型一样好，甚至误差远远小于COX模型。非线性风险函数数据：DeepSurv表现明显优于COX模型，C-index：0.612 vs 0.490。说明经典的COX模型在DNN却能很好地学习这种非线性的映射.
- C-index，DeepSurv：COX = 0,779 vs 0,669.
然后还在真实的乳腺癌数据中进行了实验，发现C-index，DeepSurv：COX = 0,695 vs 0,688，得出结论：在风险分层上来说，C-index大的DeepSur模型更加好！
Expériences du système de recommandation de traitement
?? ??
Mes vues：
??
- 伴随着DNN研究的深入，以及一些很好的优化方法和成熟的框架技术，使得基于DNN的生存分析能够进行。技术，不同研究领域的相互促进吧！
- DNN熟悉的人肯定会问：网络结构是什么样的？如果调整确定的最佳网络参数？这些部分都没有给出一定的??
- DeepSurv是否还会有较好的表现？这是值得怀疑的，而且利用医学的先验知识进行特征选择??
Source de l’article
