[發明專利]面向液基細胞學檢查的融合推理與學習的決策分類方法

有效

• 申請號: 202010219792.7
• 申請日: 2020-03-25
• 公開（公告）號: CN111444829B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 康達周;李迪媛
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06V20/69
• 分類號: G06V20/69;G06V10/80;G06V10/774;G06V10/82;G06N3/0464;G06N3/0455
• 代理公司: 南京業騰知識產權代理事務所(特殊普通合伙) 32321
• 代理人: 李靜

1.一種面向液基細胞學檢查的融合推理與學習的決策分類方法，其特征在于，包括如下步驟：

1）數據和本體準備：構建用于決策目標的數據集和與數據有關的本體，提取二者之間的多個關聯數據特征，將其作為目標特征的子特征；

構建訓練目標特征聚類神經網絡的數據集、構建宮頸癌篩查本體、提取子特征、構建訓練子特征分類神經網絡的數據集，以及添加實體數據；

構建訓練目標特征聚類神經網絡的數據集是由TCT細胞切片圖像使用深度學習分割網絡U-Net將這些細胞切片圖像上的細胞分割下來，得到單個宮頸鱗狀上皮細胞圖像，在其中選取成像清晰且分割效果較好的細胞圖像，作為數據集的組成部分；

2）神經網絡和規則構建：訓練包括一個目標特征聚類器和多個子特征分類器的神經網絡集合，構建決策目標相關的推理規則；搭建并訓練目標特征聚類神經網絡模型、搭建并訓練子特征分類神經網絡模型，以及構建宮頸癌篩查規則；

3）知識推理與神經網絡融合：融合知識推理與機器學習，實現支持機器學習結果的知識規則推理、結合推理結果和機器學習結果進行演進，以及分析處理結果；

知識推理與神經網絡融合的具體方法為：

將一個待分類細胞喂給目標特征聚類器和子特征分類器，目標特征聚類器的結果為分類結果1；子特征分類器的結果轉化為本體中對應概念的實體和實體關系，通過規則推理得到分類結果2；

結合推理結果和機器學習結果進行演進，分別計算分類結果1和分類結果2的置信度，根據兩個結果和它們的置信度分析處理多種情況，由于情況的不同最終處理結果也不同，包括：①輸出結果，使用規則解釋結果；②人工選取正確的分類結果，迭代優化框架中的內容；③輸出結果，迭代優化框架中的內容；④結果無效，不輸出結果。

2.根據權利要求1所述的面向液基細胞學檢查的融合推理與學習的決策分類方法，其特征在于，宮頸癌篩查本體通過自下而上的方法構建，關聯特征是依據已構建好的宮頸鱗狀上皮細胞圖像數據集和宮頸癌篩查本體，將宮頸癌篩查知識中高頻提及的概念與細胞圖像特征相互對應、關聯選取，并作為子特征分類器的分類標準。

3.根據權利要求1所述的面向液基細胞學檢查的融合推理與學習的決策分類方法，其特征在于，目標特征聚類器通過訓練VAE得到，它直接對宮頸鱗狀上皮細胞圖像進行無監督聚類，子特征分類器通過訓練卷積神經網絡CNN得到，分別按照步驟1）中提取的子特征的標準對細胞圖像進行分類；推理規則由專家知識轉化為SWRL語言獲得。