[發明專利]基于PCA和PSO-KELM模型的乳腺癌診斷系統

有效

• 申請號: 201710878027.4
• 申請日: 2017-09-26
• 公開（公告）號: CN107767946B
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 潘娟;鮑東海;丁佳駿;何熊熊
• 申請（專利權）人: 浙江工業大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G01N15/10;G01N21/84
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

基于PCA和PSO?KELM模型的乳腺癌診斷系統，對乳腺癌病理數據指標進行分析，應用乳腺癌診斷模型分析、預測乳腺癌各項數據指標，對乳腺癌患者良、惡性的診斷結果進行分類、預測并提出具有科學性、針對性及有效性的防療措施，通過醫療設備顯示器顯示患者的最終診斷結果。其中乳腺癌診斷模型是對患良、惡性患者的病理數據進行預處理之后，提取高維的乳腺癌病理數據中占主導作用的低維綜合指標，把低維綜合指標作為該模型的輸入向量進行試驗，利用粒子方法對模型中的參數進行優化，最后得到穩定的系統參數，加快該模型的收斂速度及分類的準確率。

技術領域

本發明涉及基于PCA和PSO-KELM模型的乳腺癌診斷系統；

背景技術

目前，隨著國民的生活節奏在不斷加快，飲食結構發生差異性的變化、居住環境的嚴重污染以及各種各樣的社會壓力作用下，大部分年輕人養成一些晚睡、酗酒、抽煙等的不良習慣，導致一些慢性非傳染性疾病慢慢的在越來越多的年輕人身上逐漸惡化，并且呈現年輕化趨勢，嚴重的情況下，甚至會危及人類生命健康；據我國衛生部疾病預防控制中心統計，慢性非傳染性疾病即慢性病已經成為我國普通人群健康的第一殺手，當前被確診為慢性病的患者已超過2.6億人，慢性病的死亡率占全國死亡率的85％以上；各大醫院的衛生系統都承載著大量的病理數據的重擔，對于如何對醫療病理數據進行合理的挖掘和應用在醫學領域界受到越來越多的研究學者的關注；

數據挖掘作為一個以數據庫、人工神經網絡、機器學習、統計學習等多個方面為核心組成的多學科交叉的科技前沿領域；數據挖掘中自常見的分類算法提出以來，在各大領域已經被廣泛應用；目前，基于數據分類的醫學病理數據挖掘正在成為醫學界和計算機界共同關注的研究熱點之一；在基于病理數據的挖掘中,已經提出了很多新方法、新思路,其中應用最廣泛的就是分類方法中的人工神經網絡在預測疾病、輔助診斷、知識發現中有著巨大應用前景的數據分類技術；由于人工神經網絡是一個具有高度并行處理、非線映射功能的算法，可以應用到大數據庫中，對于處理非線性、有噪音、冗余的、不完整的知識或數據十分合適；這些數據的特殊性也正是數據挖掘要面臨地挑戰；而在神經網絡的算法中，在訓練和測試過程中需要大量的樣本數據，這一點也正是數據挖掘工具所能提供的大型數據庫和數據倉庫的基礎；由于醫學數據本身真實可靠，不受其他因素干擾，并且穩定性強，使數據挖掘在醫學上的應用具有其自身的優勢；因此，將數據挖掘技術應用到醫療中，可以提高整個醫院的工作效益和效率；對于好多疾病就可以進行早期發現、早期診斷、早期治療；

發明內容

本發明要克服現有技術的上述缺點，提供一種基于PCA和PSO-KELM模型的乳腺癌診斷系統；

本發明為了能夠使復雜的、高維度的、冗余的、非線性的乳腺癌病理數據通過主成分分析法(PCA)對醫療病理數據進行降維，病理數指標之間的耦合度降低；接著用粒子群算法對核極限學習機中相關參數進行優化；最后使PCA和PSO-KELM融合的模型對乳腺癌病理數據進行有效的、準確地分類和預測；

基于PCA和PSO-KELM模型的乳腺癌診斷系統，其特征在于：對乳腺癌疾病的病理指標進行分析，應用乳腺癌診斷模型分析、預測乳腺癌各項數據指標，建立樣本數據庫，對乳腺癌患者良、惡性的診斷結果進行分類、預測并提出具有科學性、針對性及有效性的防療措施；其中乳腺癌診斷模型是對患良、惡性患者的病理數據進行預處理之后，提取高維的乳腺癌病理數據中占主導作用的低維綜合指標，把低維綜合指標作為該模型的輸入向量進行試驗，利用粒子群方法對模型中的參數進行優化，最后得到穩定的系統參數，加快該模型的收斂速度及分類的準確率；采用計算機程序語言編寫的乳腺癌診斷模型包括基于數據主元分析模塊、基于人工神經網絡評價分析模塊、基于粒子群優化參數分析模塊；

病理數據采集：選取具有豐富臨床經驗的醫生對乳腺腫塊通過病理學細針穿刺方法獲得細胞組織；然后醫生將具有細胞組織的載玻片放在選取來自不同視野的顯微鏡下進行檢測、觀察乳腺腫瘤病灶組織中細胞核所顯示的檢測參數，包括細胞核的直徑、質地、周長、面積、光滑度、緊密度、凹陷度、凹陷點數、對稱度、斷裂度10個量化特征的平均值、標準差以及最壞值，共30個數據指標；