[發明專利]一種基于數據融合的分類預測方法、裝置及存儲介質

有效

• 申請號: 201911170348.4
• 申請日: 2019-11-26
• 公開（公告）號: CN111028945B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 劉靜;張志飛;張君
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06F18/214;G06F18/241
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 蔡偉杰

本發明涉及模式識別技術領域，具體涉及一種基于數據融合的分類預測方法、裝置及存儲介質，所述方法為：首先將采集的樣本數據標記為惡性樣本或良性樣本，將標記后的樣本數據構建為樣本數據集，所述樣本數據為乳腺腫塊細胞核數據；接著對樣本數據集進行預處理和歸一化，得到歸一化數據集，將所述歸一化數據集分為訓練集和測試集；通過采用多個神經網絡對歸一化數據集進行訓練，并通過AdaBoost算法集成三網生成集成分類器；最后實時獲取測試數據，將所述測試數據輸入集成分類器得到診斷結果，本發明還相應的提供了分類預測裝置和存儲介質，本發明可以對乳腺腫瘤獲得穩定性和準確率更優的分類預測效果。

技術領域

本發明涉及模式識別技術領域，具體涉及一種基于數據融合的分類預測方法、裝置及存儲介質。

背景技術

乳腺癌是全世界女性死亡的主要原因之一。據統計，早期準確的乳腺癌診斷，可使超過30％的乳腺癌患者活的更久。傳統的乳腺癌診斷檢查為細針穿刺細胞學(FNAC)和乳房X光檢查，均存在一定的缺陷：FNAC分析取決于病理學、放射學和腫瘤學專家的聯合診斷，診斷結果可能因人而異，診斷過程耗時耗力；基于X光技術的診斷也存在對X光圖像理解因人而異的缺陷。

因此，如何在早期階段提供一種輔助專業醫護人員對乳腺進行分析的方法，可以穩定、準確的對乳腺腫瘤進行分類預測具有重大的社會和醫學價值。

發明內容

為解決上述問題，本發明提供一種基于數據融合的分類預測方法、裝置及存儲介質，可以對乳腺腫瘤獲得穩定性和準確率更優的分類預測效果。

為了實現上述目的，本發明提供以下技術方案：

根據本發明第一方面實施例的一種基于數據融合的分類預測方法，包括：

將采集的樣本數據標記為惡性樣本或良性樣本，將標記后的樣本數據構建為樣本數據集，所述樣本數據為乳腺腫塊細胞核數據；

對樣本數據集進行預處理和歸一化，得到歸一化數據集，將所述歸一化數據集分為訓練集和測試集；

采用多個神經網絡對歸一化數據集進行訓練，并通過AdaBoost算法集成三網生成集成分類器；

實時獲取測試數據，將所述測試數據輸入集成分類器得到診斷結果。

進一步，所述惡性樣本的觀測標簽為1，良性樣本的觀測標簽為-1。

進一步，所述對樣本數據集進行預處理和歸一化，得到歸一化數據集，具體為：

根據標記將樣本數據集劃分為惡性樣本集和良性樣本集；

利用逐步回歸法對樣本數據集進行預處理，得到降維后的數據集；

分別對惡性樣本集和良性樣本集進行數據歸一化，得到歸一化數據集，其中，惡性樣本集的特征值取值范圍在0到1之間，良性樣本集的特征值在-1到0之間。

進一步，所述采用多個神經網絡對歸一化數據集進行訓練，并通過AdaBoost算法集成三網生成集成分類器，具體包括：

將歸一化數據集輸入多個神經網絡進行訓練，每個神經網絡得到一組弱分類器，每組弱分類器包含多個弱分類器，每個弱分類器具有各自的權重；

將測試集輸入每組弱分類器，得到測試結果，測試結果包括判斷錯誤和判斷正確；

根據測試結果將訓練集劃分為測試錯誤集和測試正確集；

獲取全部的弱分類器，以及每個弱分類器的權重；

根據每個神經網絡的弱分類器得到該神經網絡的強分類器；

根據各個強分類器得到集成分類器。