8、医疗疾病预测：机器学习与深度学习的应用

医疗疾病预测：机器学习与深度学习的应用

1. 乳腺癌预测分析

1.1 深度学习与医学结合的优势

深度学习与医学的结合能够提升诊断及其他医疗流程的准确性。例如，像 DAWN 模型这类深度神经网络算法的混合应用可提高信噪比（SNR），而 CNN DAE 模型在去噪时仅需小规模的训练集。

1.2 案例研究

采用支持向量机（SVM）和人工神经网络（ANN）这两种先进技术进行乳腺癌预测。具体流程如下：

graph LR
    A[获取数据集] --> B[数据预处理]
    B --> C{SVM 或 ANN}
    C -->|SVM| D[训练 SVM 模型]
    C -->|ANN| E[训练 ANN 模型]
    D --> F[SVM 模型预测]
    E --> G[ANN 模型预测]
    F --> H[评估 SVM 性能]
    G --> I[评估 ANN 性能]

1.2.1 数据集描述

使用的数据集来自 Kaggle（https://www.kaggle.com/uciml/breast-cancerwisconsin-data），包含 569 个案例，有 33 个特征。这些案例分为良性和恶性，其中 357 个为良性，212 个为恶性。数据集的属性包括“id”、“diagnosis”、“radius_1ean”等。

1.2.2 数据预处理

• 检查数据中的空值和未命名值，将找到的空值替换或从数据集中移除