[发明专利]一种基于深度学习的乳腺癌细胞特征分析系统

权利要求书

1.一种基于深度学习的乳腺癌细胞特征分析系统，其特征在于，包括：

数据集构建模块，用于从历史数据库中调用历史数据来构建带有标签的数据集；

乳腺癌细胞分析模型构建模块，用于对所述数据集中所有数据进行归一化处理，并建立卷积神经网络模型，所建立的卷积神经网络模型包含相互交替的卷积层与池化层、全连接层及Logistic分类器，全连接层的输出为Logistic分类器的输入；对所述卷积层与全连接层进行无监督的预训练，基于数据集的标签对Logistic分类器进行有监督的预训练，获得训练后的乳腺癌细胞分析模型；

分析模块，用于基于所述训练后的乳腺癌细胞分析模型实现乳腺癌细胞的特征分析；

所述对所述数据集中所有数据进行归一化处理包括：

对数据集中每个元素按照如下公式进行归一化：

其中，表示第j个切片样本的第i个特征的特征向量x_ij的归一化结果；mean(x_i*)表示对数据集第i行所有元素求平均值；std(x_i*)表示对数据集第i行所有元素求标准差。

2.根据权利要求1所述的系统，其特征在于，所述乳腺癌细胞分析模型构建模块还用于，在获得训练后的乳腺癌细胞分析模型之后对整个乳腺癌细胞分析模型的参数进行微调，以及利用交叉验证技术来选择使得模型泛化性能最好的超参。

3.根据权利要求1所述的系统，其特征在于，所述数据集构建模块，用于从历史数据库中调用历史数据来构建带有标签的数据集包括：

所述历史数据包括：乳腺细胞组织的切片样本，以及对应的分析结果；

对所述切片样本进行特征提取，每一切片样本均提取n个特征，然后对每一个特征均计算其平均值、标准误差和三个最大值的平均值，则对于每一切片样本而言提取出3n个特征；若用x_ij表示第j个切片样本的第i个特征的特征向量，则一个切片样本的特征向量为一个3n维的向量，表示为：

X_j＝(x_1j,x_2j,…x_(3n)j)^T；

如果收集了m个切片样本，则整个数据集用矩阵X表示：

X＝(X₁,X₂,…X_m)＝(x_ij)_3n×m；

其中，矩阵X的每一列代表一个切片样本的数据；

再将对应的分析结果作为标签，对应到矩阵X的每一列，从而获得带有标签的数据集。