[发明专利]基于特征数据挖掘及神经网络的肿瘤的分类方法

摘要

本发明公开了一种基于特征数据挖掘及神经网络的肿瘤分类方法，该方法首先选取肿瘤超声图片的有效病变特征的人工评分数据作为原始特征数据集；之后采用双聚类算法从原始训练数据集中挖掘出有效的局部诊断模式；其次根据这些诊断模式提取出更高层的特征，形成新的特征向量；接着，新的特征向量作为神经网络的输入进行训练得到有效的多类别分类器；最后，采用同样的方式为测试样本提取特征向量，利用训练得到的多类别分类器对其进行分类，得到肿瘤的具体分类结果。本方法克服传统计算机辅助方法局限于低级图像特征的不足，通过从大量人工评分特征数据集中挖掘出更高层的有效特征，并利用流行的神经网络分类方法训练出最终识别多类别肿瘤的分类器。

主权项

1.一种基于特征数据挖掘及神经网络的肿瘤分类方法，其特征在于，该方法包括下列步骤：S1、医生根据已确诊患者肿瘤超声图片超声所见，对临床医疗中有效的K个诊断特征进行人工评分，构成每个肿瘤样本的K维特征向量；S2、将获取到的原始训练数据集中的每个特征归一化到0～1范围；S3、将归一化后的训练数据集作为输入，利用双聚类算法挖掘出列一致模式的双聚类，进而提取出N个有效的诊断模式；S4、利用提取到N个诊断模式，从原始数据集中提取出更高层次的特征，形成新的N维特征向量；其中，所述的提取出更高层次的特征具体过程如下：S41、计算肿瘤病例特征打分与每一个诊断模式之间的相似度；S42、将上述得到的每一个相似度看做一个新的特征，若有N个诊断模式，则形成维度为N的一个新的特征向量；S5、将步骤S4得到的N维特征向量作为输入，利用神经网络模式进行训练，得到肿瘤多类别分类器；S6、对于测试病例，根据超声图片所见获取特征人工评分，归一化后，利用步骤S3得到的诊断模式，提取出高层次特征向量，将其输入到训练好的分类器中，从而得到最终的肿瘤类别信息。