基于多类型数据的胃癌风险预测融合模型

作者：陈先来; 贾一珍; 安莹; 唐红英

来源：计算机工程, 2021, 1-9.

DOI：10.19678/j.issn.1000-3428.0062650

• 风险预测
• 融合模型
• 深度学习
• 胃癌
• 电子病历

胃癌的早期发现对降低其死亡率具有重大意义，但目前的预测模型大都是基于难以获得的图像数据建立，难以满足实际的临床需求。针对此，提出了一种融合多类型数据的胃癌风险预测深度学习模型，使用预处理语言模型（PMLs）和降噪自动编码器分别对电子病历中的入院记录和实验室检查数据进行信息提取后进行融合。此外，为了减少融合的信息损失，对低维的向量进行扩增，使其在相同的尺度上进行融合。实验结果表明，该方法的准确率可达到0.949337，其预测性能要优于常见的预测模型。

• 单位
  中南大学; 中南大学湘雅医院