[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

本發明公開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，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；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；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和推理結果結合機器學習結果的演進方法，并分析處理結果。本發明融合知識推理和機器學習兩種途徑，在提升分類準確率的同時，通過演進方法使結果擁有可解釋性，并且逐漸提高了結果的可靠性。

技術領域

本發明屬于計算機軟件開發領域，具體涉及一種融合推理與學習的決策分類方法。

背景技術

宮頸癌是嚴重的健康問題之一，全世界每年有近50萬婦女患此病。使用巴氏涂片篩查宮頸癌開創了宮頸癌篩查的先河，隨著計算機技術逐漸應用于醫學領域中，TCT聯合描述性診斷(TBS)的篩查方法成為了現今廣泛使用的高準確率的宮頸癌篩查技術。

液基細胞學檢查(TCT)技術能夠有效地降低宮頸病變漏診率，但TCT檢查的人工成本比較高。篩查所需的子宮頸細胞樣本中包含成千上萬個子宮頸細胞，醫師在顯微鏡下對其進行觀察診斷的過程非常耗時耗力。因此，使用人工智能技術對子宮頸細胞樣本圖像進行宮頸癌篩查是有極大意義的。宮頸細胞圖像的自動化識別研究在很早就已經開展。目前，人工智能技術仍然主要應用于醫學圖像，以輔助醫師進行癌癥篩查，本發明也是通過融合知識推理和機器學習這兩種人工智能技術來對宮頸鱗狀上皮細胞圖像進行分類。

關于知識推理，它是在計算機或智能系統中模擬人類的智能推理方式，依據推理控制策略，利用形式化的知識進行機器思維和求解問題的過程。當前已存在一些比較成熟的知識推理方法，一種經典的推理方法是規則推理，它把相關領域的專家知識形式化的描述出來，形成系統規則，這些規則表示著該領域的一些問題與這些問題相應的答案，可以利用它們來模仿專家在求解中的關聯推理能力。此外，人們還提出了基于一階邏輯學習算法推理以及基于本體推理等知識推理方法。

在機器學習方面，它是研究怎樣使用計算機模擬或實現人類學習活動的科學，是人工智能中最具智能特征，最前沿的研究領域之一，其經過幾十年的發展已成為如今人工智能技術中最重要的一環。機器學習模型一般被分成兩種，一種是判別式模型，它能清晰地分辨出多類或某一類與其他類之間的差異特征，適用于較多類別的識別且模型更簡單，目前應用范圍較為廣泛；另一種是深度生成模型，其研究單類問題比判別式模型更靈活，模型可以通過增強學習得到，且能用于數據不完整的情況，例如本發明中使用到的目標特征聚類神經網絡——變分自編碼器(VAE)。VAE是基于變分貝葉斯(VariationalBayes,VB)推斷的生成式網絡結構，如今它在深度生成模型領域得到越來越多的研究和應用。

雖然知識推理和機器學習都得到了極大的發展，但許多現實中復雜的問題并不能僅僅通過其中一個技術來解決。感知和推理是人類基本的能力，然而在當前的機器學習系統中，感知和推理模塊是很難兼容的。神經網絡很難具有推理的能力，同樣，邏輯推理也很難具有學習的能力，因此，神經網絡和邏輯推理結合是解決現實復雜問題的發展必然趨勢。

發明內容

發明目的：本發明目的在于針對現有技術的不足，提供一種面向TCT的融合推理與學習的決策分類方法。一方面，本發明實現導入機器學習結果的知識規則推理，對宮頸鱗狀上皮細胞圖像進行類型識別；另一方面，本發明結合推理結果和機器學習結果進行演進，計算推理結果和目標特征聚類器結果的置信度，并且根據兩個結果和它們的置信度來分析處理多種情況。融合知識推理和機器學習兩種途徑來提高分類結果的精確度和可靠性。

技術方案：本發明所述面向液基細胞學檢查的融合推理與學習的決策分類方法，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；