[发明专利]瘤细胞图像的分类和装置

权利要求书

1.一种瘤细胞图像的分类方法，其特征在于，所述方法包括：

S10，获取胶质母细胞瘤对应的多个第一图像数据和单发性脑转移瘤对应的多个第二图像数据，并分别确定各个第一图像数据对应的第一标签和各个第二图像数据对应的第二标签；

S20，分别提取各个第一图像数据和各个第二图像数据的第一特性数据，得到N个第一特性数据，根据所述第一标签和第二标签确定所述N个第一特性数据的标签；

S30，将所述N个第一特性数据通过遗传算法初始化得到的L个随机投影矩阵，投影到新的特性空间，以得到L套第二特性数据，并确定L套第二特性数据的标签；

S40，将L套第二特性数据和L套第二特性数据的标签分别输入m个分类器，以构建胶质母细胞瘤与单发性脑转移瘤分类的多分类器系统，在所述多分类器系统中提取目标函数，根据所述目标函数计算适应度，若所述适应度取到最大值或者当前迭代次数等于迭代阈值，将当前迭代过程中的L个随机投影矩阵确定为L个最优投影矩阵，否则返回执行步骤S30，对迭代次数执行加一操作；

S50，获取待测细胞的待测图像数据，将所述待测图像数据的特性数据通过L个最优投影矩阵，投影到新的特性空间，以得到L套待测特性数据，将所述L套待测特性数据输入所述m个分类器，根据所述m个分类器的输出结果确定所述待测细胞的类别。

2.根据权利要求1所述的方法，其特征在于，步骤S30，将所述N个第一特性数据通过遗传算法初始化得到的L个随机投影矩阵，投影到新的特性空间，以得到L套第二特性数据，并确定L套第二特性数据的标签包括：

S31，利用遗传算法初始化L个随机投影矩阵R＝r_ij，r_ij在集合{-1，1}中取值，且pro(r_ij＝-1)＝pro(r_ij＝1)＝1/2，pro()表示概率；

S32，根据矩阵创建公式将随机投影矩阵R＝r_ij创建成随机投影矩阵P；

S33，根据矩阵投影公式将N个第一特性数据通过L个随机投影矩阵R＝r_ij，投影到新的特性空间，得到L套第二特性数据。

3.根据权利要求2所述的方法，其特征在于，所述矩阵创建公式包括：

所述矩阵投影公式包括：

其中，q表示新的特性空间的数据维度，D表示N个第一特性数据，是N个第一特性数据在新的特性空间中的表示，符号∧表示投影域。

4.根据权利要求1所述的方法，其特征在于，步骤S40，将L套第二特性数据和L套第二特性数据的标签分别输入m个分类器，以构建胶质母细胞瘤与单发性脑转移瘤分类的多分类器系统包括：

对于L套第二特性数据均进行m个分类器训练，对于每一个分类器，先分别确定在L个投影域上每个分类器的权重，再将不同投影域的预测结果进行融合，得到初始融合结果；

确定在原始数据上每个分类器的权重，在所述初始融合结果的基础上再进行多个分类器的融合，以构建胶质母细胞瘤与单发性脑转移瘤分类的多分类器系统。

5.根据权利要求4所述的方法，其特征在于，所述对于L套第二特性数据均进行m个分类器训练，对于每一个分类器，先分别确定在L个投影域上每个分类器的权重，再将不同投影域的预测结果进行融合，得到初始融合结果包括：

对于所述L套第二特性数据均进行m个分类器训练，获取训练后各个分类器的第一预测准确率以及各个分类器针对L套第二特性数据输出的第一预测概率，将各个分类器针对L套第二特性数据输出的第一预测概率按行拼接成各个分类器的第一预测矩阵；

根据各个分类器的第一预测准确率计算在不同投影域上每个分类器的权重并将每个分类器在不同投影域的权重按行拼接成第一权重矩阵；

根据各个分类器的第一预测矩阵和各个分类器在不同投影域的权重按行拼接成一个第一权重矩阵计算加权后的各个分类器的第一预测概率矩阵；

融合每个分类器在不同投影域上的加权第一预测概率矩阵，根据融合后的各个加权第一预测概率矩阵确定L套第二特性数据的初始融合结果。