《表2 7个模型对应的AUC表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于常规体检数据的癌症筛查研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据AUC的大小构建了7个不同的特征子集，如表2所示.比如，特征子集1是所有AUC<0.55的特征，按照3.1节所述，特征子集1包括如下特征:舒张压、平均红细胞血红蛋白含量、红细胞体积分布宽度变异系数、体重指数、白细胞计数、肌酐、红细胞体积分布宽度标准差、性别、中性粒细胞绝对值、丙氨酸氨基转移酶和血小板.注意，特征子集1、2、3中的特征与特征子集4、5、6中的特征相比AUC较小.特征子集7包含了所有的33个特征.构建了两种模型，分别是多层感知器（multi-layer perception，MLP）和第2节所描述的集成FCLF-CNN.其中所有的MLP有两个隐藏层，每个隐藏层的节点个数是80.FCLF-CNN中每个子网络中卷积层之前的构架与上述MLP的构架相同，其他部分采用第2节描述的设置.所有模型的batchsize为16，MLP的迭代次数为100，集成FCLF的迭代次数遵循第2节所述.用AUC来度量模型的区分能力，结果如表2所示.