[發明專利]一種乳腺腫瘤的建模與診斷方法

在審

• 申請號: 201610094313.7
• 申請日: 2016-02-20
• 公開（公告）號: CN105574356A
• 公開（公告）日: 2016-05-11
• 發明（設計）人: 周棟
• 申請（專利權）人: 周棟
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

【技術領域】

本發明涉及乳腺腫瘤診斷技術領域，特別是基于聚類分析與軟測量建模的 乳腺腫瘤診斷方法的技術領域。

【背景技術】

目前，乳腺腫瘤已經成為世界上婦女發病率最高的癌癥，研究表明，乳腺 惡性腫瘤若能早期發現、早期診斷、早期治療，可以取得良好的效果。現有的 研究與診斷方法，尤其是對乳腺圖像的分析日趨成熟。醫學研究表明，乳腺腫 瘤病灶組織的細胞核顯微圖像與正常組織的細胞核顯微圖像不同，但是用一般 的圖像處理技術很難對其進行區分。因此，運行科學的方法，根據乳腺腫瘤病 灶組織的細胞核顯微圖像來對乳腺腫瘤進行良性、惡性的診斷顯得十分重要。

本發明是獲取乳腺腫瘤病灶組織的細胞核顯微圖像數據庫的數據，將細胞 核圖像的量化特征作為輸入，來建立與腫瘤性質的關系，即是可以根據該細胞 核顯微圖像的量化特征來診斷乳腺腫瘤是良性還是惡性。

【發明內容】

本發明的目的就是解決現有技術中的問題，提出一種乳腺腫瘤的建模與診 斷方法，可以根據組織細胞核顯微圖像的量化特征來直觀的診斷腫瘤性質。

為實現上述目的，本發明提出了一種乳腺腫瘤的建模與診斷方法，所述方 法利用傳播仿射聚類方法(AP)來對數據庫的細胞核顯微圖像進行樣本分類， 再通過偏最小二乘算法(PLS)對聚類結果進行軟測量建模，最后利用開關連接 的方式得到多模型的輸出，即乳腺腫瘤的性質，具體步驟包括：

(a)數據預處理：確定樣本數量與樣本維數，劃分訓練樣本與測試樣本， 對所有樣本中的數據進行“3σ”篩選；

(b)聚類分析：利用AP算法自動對訓練樣本進行聚類分析，得到聚類中 心與每一類的樣本集；

(c)軟測量建模：通過PLS對聚類獲得的每一類樣本集進行軟測量建模， 分別獲得對應的輸出結果，即良性為“0”，惡性為“1”；

(d)多模型連接：利用測試樣本測試(c)步驟中建立的多模型，并計算 各測試樣本的隸屬度作為多模型開關連接的判斷依據。

作為優選，所述(a)步驟中，樣本維數為10，組織細胞核顯微圖像的量化 特征分別為細胞核半徑、質地、周長、面積、光滑性、緊密度、凹陷度、凹陷 點數、對稱度、斷裂度。

作為優選，所述(b)步驟中，傳播仿射聚類算法(AP)不需要初始化確定 聚類數與聚類中心，可以對訓練樣本實現自動分類。

作為優選，所述(d)步驟中，測試樣本測試多模型時，各個子模型的輸出 可能不同，在最后診斷腫瘤性質時，需計算測試樣本與聚類中心的隸屬度，隸 屬度最大所對應的輸出結果即是最終的診斷結果。

本發明的有益效果：本發明通過采集病灶組織細胞核顯微圖像的量化特征， 來建立與腫瘤性質之間的關系，建模方法直觀，而利用傳播仿射聚類算法(AP) 與偏最小二乘算法(PLS)來建模的多模型使得最終的診斷結果精度高，大大降 低了誤診率。

本發明的特征及優點將通過實施例進行詳細說明。

【具體實施方式】

本發明一種乳腺腫瘤的建模與診斷方法，具體步驟包括：

步驟一、確定樣本數量與樣本維數，劃分訓練樣本與測試樣本，對所有樣 本中的數據進行“3σ”篩選；

步驟二、利用AP算法自動對訓練樣本進行聚類分析，得到聚類中心與每一 類的樣本集；

步驟三、通過PLS對聚類獲得的每一類樣本集進行軟測量建模，分別獲得 對應的輸出結果，即良性為“0”，惡性為“1”；

步驟四、利用測試樣本測試(c)步驟中建立的多模型，并計算各測試樣本 的隸屬度作為多模型開關連接的判斷依據。

其中，步驟二的傳播仿射聚類算法(AP)避免了傳統聚類算法中需要事先 確定初始聚類數目和聚類中心的問題，且所得聚類中心必定是樣本中的點，防 止產生沒有實際意義的聚類中心。

仿射聚類算法的基本步驟為：

1、設置參考度P，計算相似度矩陣，令S(i,i)＝p,i＝1,2,…n，初始化阻尼系 數lam＝median(S)，證據矩陣R(i,k)＝0,A(i,k)＝0,(i＝1,2,…,n；k＝1,2,…,n)。

2、根據下列公式，更新證據矩陣R(i,k)及A(i,k)：

R(i,k)＝S(i,k)-max[A(i,j)+S(i,j)]j∈(1,2,…k-1,k+1,…,n)