宫颈癌风险因素数据

本项目衍生的算法模型及其所登记的数据，适用于18岁及以上女性的宫颈癌筛查辅助判断场景，广泛应用于基层医院、妇幼保健院及公共卫生筛查平台，用于实现高风险个体的智能识别与分层管理。数据需来源于常规妇科检查（如TCT、HPV）及相关问诊信息，确保模型输入的准确性和完整性。模型可辅助医生进行初筛预警、检查建议及随访安排，有效缓解筛查资源压力、提升早诊效率。该成果不适用于孕妇、免疫异常群体及缺乏基础筛查结果的个体。一、数据采集
数据主要通过授权采集的临床获得（主要是问诊、液基细胞检测、病毒检测等环节），涵盖了受检者的基本人口学信息（如年龄、性行为史、怀孕史等）、生活方式（如吸烟、避孕方式等）、既往病史（包括性传播疾病、HPV感染、宫颈病变等）、多项医学检查结果（如Hinselmann、Schiller、细胞学检查和活检结果）以及企业分析过程数据。
二、数据处理
首先对原始数据进行缺失值处理，将“?”等缺省标记转换为null，并使用变量中位数进行填补。随后，采用标准化处理将所有连续变量映射为零均值单位方差形式：Xscaled=X−μσX_{\text{scaled}} = \frac{X - \mu}{\sigma}Xscaled​=σX−μ​，以确保模型训练稳定性。模型构建方面，采用Keras构建多层感知机（MLP）网络，包含两层隐藏层（64和32个神经元），激活函数为ReLU，设置Dropout层（0.3和0.2）防止过拟合，输出层使用Sigmoid函数预测概率。训练中以二元交叉熵作为损失函数：L=−1N∑[ylog⁡(y^)+(1−y)log⁡(1−y^)]\mathcal{L} = -\frac{1}{N} \sum [y \log(\hat{y}) + (1 - y) \log(1 - \hat{y})]L=−N1​∑[ylog(y^​)+(1−y)log(1−y^​)]，优化器为Adam，并应用EarlyStopping策略自动终止过拟合的训练过程。在模型输出基础上，构建多层次风险解释变量，包括原始预测概率（Risk_Score）、二分类标签（Risk_Label）、三档风险等级（Risk_Level）、logit线性分值（Risk_Score_Logit）和等级评分（Risk_Grade），以增强模型的可解释性和临床应用价值。