[发明专利]一种基于深度学习的乳腺癌细胞特征分析系统

说明书

本发明公开了一种基于深度学习的乳腺癌细胞特征分析系统，该系统以深度学习为基础，构建多层次的卷积神经网络，实现了多级特征提取，这样可以达到更高分析准确度；本发明中模型的激活函数使用的是非饱和的ReLU函数，其具有更快的收敛特性；本发明中的池化层采用了有重叠的池化操作，通过交叉验证可以证明，与传统的非重叠的池化层相比，有重叠的池化可以进一步提高分析准确度；本发明采用了稀疏自编码器预训练+Dropout微调的训练模式，有效降低了模型的过拟合，增强了训练后所得模型的泛化能力，从而可以进一步提高分析准确度。

技术领域

本发明涉及细胞特征分析技术领域，尤其涉及一种基于深度学习的乳腺癌细胞特征分析系统。

背景技术

深度学习是目前机器学习中的热点技术，概念起源于人工神经网络的研究，其核心思想是使用无监督的逐层预训练，有效防止了梯度弥散问题，使得神经网络在拥有更多层的时候也可以进行有效的训练。而更多的层就意味着网络可以表达更加复杂的函数，可以学习到更加高级的特征。从而实现更好的识别性能。

其本质上是构建含有多隐层的架构模型，通过大规模数据进行训练，得到大量更具代表性的特征信息，从而对样本进行分类和预测，提高分类和预测的精度。深度学习高精度的分类和预测在语音识别、对象识别和自然语言处理等领域有很好的表现。而且也有研究者将深度学习用于识别乳腺癌组织学图像中处于有丝分裂阶段的细胞。但目前用基于非结构化数据的端到端技术对乳腺癌细胞进行分析识别，还不能做到很好地识别效果。所以需要从细胞组织切片中提取相关的细胞学特征，将数据组织成结构化的数据，并利用这些结构化的数据去训练一个深度神经网络，可以达到更好的分析正确率。

现有技术中，还没有进行乳腺癌细胞特征分析的相关方案，因此，有必要研发一套可自动对乳腺癌细胞的特征进行分析的设备。

发明内容

本发明的目的是提供一种基于深度学习的乳腺癌细胞特征分析系统，不仅实现了深度学习用于处理有结构的数据，还可以实现乳腺癌细胞特征的自动分析。

本发明的目的是通过以下技术方案实现的：

一种基于深度学习的乳腺癌细胞特征分析系统，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；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。

进一步的，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。

进一步的，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：