阿卡姆依（杭州）科技有限公司 本次登记的数据知识产权 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_ extscaled = fracX - musigmaXscaled=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^)]mathcalL = -frac1N sum [y log(haty) + (1 - y) log(1 - haty)]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。
登记内容：
关于 阿卡姆依（杭州）科技有限公司 , 阿卡姆依（杭州）科技有限公司是一家专注于大数据处理与分析的高科技企业，致力于为客户提供高效的数据挖掘和智能解决方案。该公司业务覆盖金融、医疗、教育等多个领域，以技术创新和服务质量著称。
关于 浙江省数据知识产权登记平台 , 浙江省数据知识产权登记平台是一个专门用于登记和管理数据知识产权的官方平台。该平台允许企业和个人申请登记其数据知识产权，包括专利分类数据、客户价值评估数据等。平台提供公告功能，展示已登记、放弃或撤销的数据知识产权信息，并提供详细的申请人、申请时间和更新信息。
_1769672084863.jpg)