基于常规体检数据的癌症筛查研究

基于血常规、尿常规及肿瘤标记物,对基于无症状的癌症筛查进行了研究.为了提高对结构化数据的分类性能,采用了全连接层在前的卷积神经网络(FCLF-CNN).为了保证模型筛查结果的可靠性,测试集采用了接近真实场景的极度非均衡数据.数据总共包含了33个特征,并按照可区分性分成不同的特征子集,用不同的特征子集分别进行了实验,结果表明区分能力更强的特征和更加丰富的特征对于癌症筛查起到了更加重要的作用.对肺癌、肝癌、乳腺癌、宫颈癌以及肾癌分别进行了实验,结果表明,对肺癌和肝癌获得了有竞争力的筛查性能,AUC分别达到了0.889和0.943.