医疗设备和技术的发展,将我们带入了医疗大数据的时代。这些医疗数据中所隐藏的信息,可以为疾病的预防、诊断和治疗提供帮助。使用传统的医疗技术从繁多复杂的数据中发现有价值且准确的信息是很困难的,因此需要发展现有的技术利用这些丰富的数据为人们解决疾病的困扰,目前深度学习技术为实现医学信息资源的有效利用提供了新的方法。因为癌症的治疗是一大难题,而筛查和诊断是预防癌症最为有效的手段,所以本文基于深度学习技术设计了癌症筛查和诊断的医疗数据挖掘方案,为癌症的预防提供科学依据。首先,本文利用体检数据经过人工神经网络的学习进行癌症筛查。因为癌症的检测需要很繁琐的步骤和很高的费用,所以以简化这一过程为目的,实现从体检数据中发现隐藏的信息,完成癌症筛查工作。通过模型ROC曲线分析,得到了癌症筛查模型的阳性率有所提高,证明了基于常规体检进行癌症筛查的可行性,实现了一种简易的癌症筛查方法。其次,本文根据获取的Wisconsin诊断乳腺癌数据集(乳腺癌细胞组织切片),将典型的卷积神经网络二维结构变成一维结构,以适应结构化的输入数据,实现了对乳腺癌的诊断。通过与其它算法性能的比较,得到本文设计的卷积神经网络有更好的准确率、特异性、敏感度,也获得了更好的ROC曲线图。并且验证了卷积神经网络不仅可以应用于图片识别领域,处理非结构化的数据,同时也可以处理结构化的医疗数据。本文基于深度学习技术完成了癌症筛查和诊断模型的研究,为癌症的早预防和早诊断提供了一定的参考依据。