[发明专利]一种基于深度学习的乳腺癌细胞特征分析系统

摘要

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。

主权项

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。