[发明专利]病理数据分析方法、装置、设备及存储介质

权利要求书

1.一种病理数据分析方法，其特征在于，包括：

获取病理数据样本集的聚类结果，所述聚类结果将所述病理数据样本集划分为若干个簇，所述簇由多个病理样本点i组成，所述病理数据样本集的病理样本点i的数量大于预设数量阈值；

根据所述聚类结果计算各个所述簇的中心点；

计算病理样本点i与各个所述簇的中心点的距离；

根据所述病理样本点i与各个所述簇的中心点的距离计算所述病理样本点i的调整轮廓系数，计算公式如下：

上式中，s_c(i)表示病理样本点i的调整轮廓系数；a_c(i)表示病理样本点i与其所在簇的中心点的距离；b_c(i)表示与病理样本点i最近的簇的中心点与病理样本点i的距离；

计算所有所述病理样本点i的调整轮廓系数的平均数，获得所述聚类结果的调整轮廓系数；

根据所述聚类结果的调整轮廓系数确定所述聚类结果的优劣；

在所述聚类结果为优时，获取待处理的病理数据样本；

根据所述聚类结果对所述待处理的病理数据样本进行分类，并生成与所述待处理的病理数据样本对应的病理分析数据。

2.如权利要求1所述的病理数据分析方法，其特征在于，所述计算所有所述病理样本点i的调整轮廓系数的平均数，获得所述聚类结果的调整轮廓系数之后，还包括：

计算多个聚类结果的调整轮廓系数；

将调整轮廓系数最高的聚类结果确定为所述病理数据样本集的最优聚类结果。

3.如权利要求1所述的病理数据分析方法，其特征在于，所述计算所有所述病理样本点i的调整轮廓系数的平均数，获得所述聚类结果的调整轮廓系数之后，还包括：

判断所述聚类结果的调整轮廓系数是否大于预设系数阈值；

若所述聚类结果的调整轮廓系数大于预设系数阈值，则将所述聚类结果确定为所述病理数据样本集的优选聚类结果。

4.如权利要求1所述的病理数据分析方法，其特征在于，所述获取聚类结果，所述聚类结果将病理数据样本集划分为若干个簇之前，包括：

获取所述病理数据样本集；

基于K-Means聚类算法计算所述病理数据样本集的所述聚类结果。

5.如权利要求1所述的病理数据分析方法，其特征在于，所述获取聚类结果，所述聚类结果将病理数据样本集划分为若干个簇之前，包括：

获取所述病理数据样本集；

基于凝聚层次聚类算法计算所述病理数据样本集的所述聚类结果。

6.一种病理数据分析装置，其特征在于，包括：

获取结果模块，用于获取病理数据样本集的聚类结果，所述聚类结果将所述病理数据样本集划分为若干个簇，所述簇由多个病理样本点i组成，所述病理数据样本集的病理样本点i的数量大于预设数量阈值；

中心点计算模块，用于根据所述聚类结果计算各个所述簇的中心点；

距离计算模块，用于计算病理样本点i与各个所述簇的中心点的距离；

样本点系数计算模块，用于根据所述病理样本点i与各个所述簇的中心点的距离计算所述病理样本点i的调整轮廓系数，计算公式如下：

上式中，s_c(i)表示病理样本点i的调整轮廓系数；a_c(i)表示病理样本点i与其所在簇的中心点的距离；b_c(i)表示与病理样本点i最近的簇的中心点与病理样本点i的距离；

结果系数计算模块，用于计算所有所述病理样本点i的调整轮廓系数的平均数，获得所述聚类结果的调整轮廓系数；

结果评价模块，用于根据所述聚类结果的调整轮廓系数确定所述聚类结果的优劣；

获取样本模块，用于在所述聚类结果为优时，获取待处理的病理数据样本；

样本分析模块，用于根据所述聚类结果对所述待处理的病理数据样本进行分类，并生成与所述待处理的病理数据样本对应的病理分析数据。