使用深度生成对抗网络进行合成增强重新采样:一种新的方法,从不平衡的数据集中改善癌症预测

科学领域:

• 医疗保健中的机器学习
• 数据科学数据科学数据科学
• 医疗信息学 医疗信息学

背景情况:

• 不平衡的数据集在关键的医疗保健应用中,如癌症诊断和预后,带来了重大挑战.
• 传统的重新抽样方法可能无法充分解决为少数群体类别生成现实的合成数据的复杂性.
• 有效地处理不平衡的数据对于准确的医学诊断和预后至关重要.

研究的目的:

• 评估生成对抗网络 (GAN) 的有效性,作为对不平衡的医疗保健数据集的重新采样方法.
• 在使用GAN生成的数据时,比较各种分类器模型 (Boosting,Bagging,Linear,Non-linear) 的性能.
• 评估基于GAN的重新采样对关键性能指标的影响,包括准确性,精度,回忆,F1得分和ROC AUC.

主要方法:

• 使用生成对抗网络 (GAN) 为少数阶级生成合成数据,解决阶级不平衡问题.
• 评估了四种不同的分类器类型:提升,包装,线性和非线性.
• 使用标准分类指标严格评估性能,重点是收发器运行特征曲线下的区域 (ROC AUC).

主要成果:

• 没有重新抽样的基线分类表明了显著的性能限制.
• 基于GAN的重新采样大大改善了少数实例的检测和整体分类准确度.
• 平均ROC AUC从大约0.8276增加到超过0.9734,而梯度提升分类器实现了最高的ROC AUC0.9890.

结论:

• 生成对抗性网络 (GAN) 是重新采样不平衡的医疗数据集的强大策略.
• 先进的分类器模型,特别是提升和包装,在与基于GAN的重新采样相结合时表现出卓越的性能.
• 该研究证实了GAN在提高关键医疗保健应用的预测准确度方面的有效性.