基于特征数据挖掘及神经网络的肿瘤的分类方法
专利汇可以提供基于特征数据挖掘及神经网络的肿瘤的分类方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于特征 数据挖掘 及神经网络的 肿瘤 分类方法，该方法首先选取肿瘤超声图片的有效病变特征的人工评分数据作为原始特征数据集；之后采用双聚类 算法 从原始 训练数据 集中挖掘出有效的局部诊断模式；其次根据这些诊断模式提取出更高层的特征，形成新的 特征向量 ；接着，新的特征向量作为神经网络的输入进行训练得到有效的多类别分类器；最后，采用同样的方式为测试样本提取特征向量，利用训练得到的多类别分类器对其进行分类，得到肿瘤的具体分类结果。本方法克服传统计算机辅助方法局限于低级图像特征的不足，通过从大量人工评分特征数据集中挖掘出更高层的有效特征，并利用流行的神经网络分类方法训练出最终识别多类别肿瘤的分类器。，下面是基于特征数据挖掘及神经网络的肿瘤的分类方法专利的具体信息内容。
1.一种基于特征数据挖掘及神经网络的肿瘤分类方法，其特征在于，该方法包括下列步骤：
S1、医生根据已确诊患者肿瘤超声图片超声所见，对临床医疗中有效的K个诊断特征进行人工评分，构成每个肿瘤样本的K维特征向量；
S2、将获取到的原始训练数据集中的每个特征归一化到0～1范围；
S3、将归一化后的训练数据集作为输入，利用双聚类算法挖掘出列一致模式的双聚类，进而提取出N个有效的诊断模式；
S4、利用提取到N个诊断模式，从原始数据集中提取出更高层次的特征，形成新的N维特征向量；
其中，所述的提取出更高层次的特征具体过程如下：
S41、计算肿瘤病例特征打分与每一个诊断模式之间的相似度；
S42、将上述得到的每一个相似度看做一个新的特征，若有N个诊断模式，则形成维度为N的一个新的特征向量；
S5、将步骤S4得到的N维特征向量作为输入，利用神经网络模式进行训练，得到肿瘤多类别分类器；
S6、对于测试病例，根据超声图片所见获取特征人工评分，归一化后，利用步骤S3得到的诊断模式，提取出高层次特征向量，将其输入到训练好的分类器中，从而得到最终的肿瘤类别信息。
2.根据权利要求1所述的基于特征数据挖掘及神经网络的肿瘤分类方法，其特征在于，所述步骤S3中提取的有效诊断模式具有如下要求：
挖掘到的双聚类只有在行数所代表的病例样本数目及列数所代表的特征数目满足一定阈值，才判断为有效的诊断模式。
3.根据权利要求1所述的基于特征数据挖掘及神经网络的肿瘤分类方法，其特征在于，所述步骤S5中的神经网络模式包括传统反向传播神经网络模型和深度学习神经网络模型。
4.根据权利要求3所述的基于特征数据挖掘及神经网络的肿瘤分类方法，其特征在于，所述相似度的衡量方法采用样本和诊断模式在诊断模式特征空间下的均方根误差RMSD，其公式如下：
其中，FS为诊断模式的特征空间，n为特征空间FS的特征维度，Vud(j)为肿瘤样本的第j个特征值，Vdr(j)为诊断模式的第j个特征值。
基于特征数据挖掘及神经网络的肿瘤的分类方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 车道保持辅助控制方法、装置、系统、车辆及存储介质 | 2020-07-09 | 1 |
| 基于稀疏表示的图像抠图算法研究 | 2020-07-15 | 0 |
| 一种实现自适应消息过滤的即时通讯系统和即时通讯方法 | 2020-12-16 | 1 |
| 基于特征扩张的融合神经网络的城市PM10浓度预测方法 | 2022-07-29 | 0 |
| 一种基于局部参考点的快速点云配准方法 | 2023-04-15 | 0 |
| 库存盘点方法及装置 | 2020-06-07 | 2 |
| 预测对象类别的系统和方法 | 2020-10-14 | 2 |
| 基于深度学习的车载人脸识别方法 | 2024-01-22 | 1 |
| 数据处理方法、装置、介质及电子设备 | 2020-06-12 | 2 |
| 细胞分辨水平的脑组织三维图像的脑区自动分割方法及系统 | 2020-08-09 | 0 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
