助力SCI临床数据发表的创新模型--DEEPSURV
在临床数据库分析中，除了常规的临床数据分析COX回归分析，但对于部分临床数据，常规COX回归分析有时很难达到较好拟合性能，而使用更复杂的机器学习生存方法则可以在某些模型上取代COX回归分析。Python机器学习则提供了类似的模型，链接：
DEEPSURV模型是一种专门针对于预后的神经网络模型，相比于随机生存森林预测性能更加稳定，DEEPSURV作为神经网络感知器的一种可以实现个体化的预测及治疗推荐,如下图，神经网络推荐治疗和未按推荐治疗患者有明显差异，侧面证明DEEPSURV神经网络模型的有效性。
近期DEEPSURV模型发表多篇临床数据分析的SCI论文。
1.SEER数据库直肠肿瘤+DEEPSURV 模型（IF 4.6）
2.口腔肿瘤预后+DEEPSURV模型 （IF 6.5）
3.口腔肿瘤预后+DEEPSURV模型 （IF 6.5）
4.抑郁和焦虑评分相关预后+DEEPSURV模型（IF5.）
5.肺癌+DEEPSURV模型和头颈癌症+DEEPSURV（IF13.35）
DEEPSURV常规套路：公共数据库(带生存数据）+COX建模+DEEPSURV建模+个体化治疗推荐（任意治疗，二分类均可）
DEEPSURV全流程分析+治疗推荐实战：
链接扫码：
