[发明专利]一种乳腺肿瘤的建模与诊断方法

说明书

【技术领域】

本发明涉及乳腺肿瘤诊断技术领域，特别是基于聚类分析与软测量建模的 乳腺肿瘤诊断方法的技术领域。

【背景技术】

目前，乳腺肿瘤已经成为世界上妇女发病率最高的癌症，研究表明，乳腺 恶性肿瘤若能早期发现、早期诊断、早期治疗，可以取得良好的效果。现有的 研究与诊断方法，尤其是对乳腺图像的分析日趋成熟。医学研究表明，乳腺肿 瘤病灶组织的细胞核显微图像与正常组织的细胞核显微图像不同，但是用一般 的图像处理技术很难对其进行区分。因此，运行科学的方法，根据乳腺肿瘤病 灶组织的细胞核显微图像来对乳腺肿瘤进行良性、恶性的诊断显得十分重要。

本发明是获取乳腺肿瘤病灶组织的细胞核显微图像数据库的数据，将细胞 核图像的量化特征作为输入，来建立与肿瘤性质的关系，即是可以根据该细胞 核显微图像的量化特征来诊断乳腺肿瘤是良性还是恶性。

【发明内容】

本发明的目的就是解决现有技术中的问题，提出一种乳腺肿瘤的建模与诊 断方法，可以根据组织细胞核显微图像的量化特征来直观的诊断肿瘤性质。

为实现上述目的，本发明提出了一种乳腺肿瘤的建模与诊断方法，所述方 法利用传播仿射聚类方法(AP)来对数据库的细胞核显微图像进行样本分类， 再通过偏最小二乘算法(PLS)对聚类结果进行软测量建模，最后利用开关连接 的方式得到多模型的输出，即乳腺肿瘤的性质，具体步骤包括：

(a)数据预处理：确定样本数量与样本维数，划分训练样本与测试样本， 对所有样本中的数据进行“3σ”筛选；

(b)聚类分析：利用AP算法自动对训练样本进行聚类分析，得到聚类中 心与每一类的样本集；

(c)软测量建模：通过PLS对聚类获得的每一类样本集进行软测量建模， 分别获得对应的输出结果，即良性为“0”，恶性为“1”；

(d)多模型连接：利用测试样本测试(c)步骤中建立的多模型，并计算 各测试样本的隶属度作为多模型开关连接的判断依据。

作为优选，所述(a)步骤中，样本维数为10，组织细胞核显微图像的量化 特征分别为细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷 点数、对称度、断裂度。

作为优选，所述(b)步骤中，传播仿射聚类算法(AP)不需要初始化确定 聚类数与聚类中心，可以对训练样本实现自动分类。

作为优选，所述(d)步骤中，测试样本测试多模型时，各个子模型的输出 可能不同，在最后诊断肿瘤性质时，需计算测试样本与聚类中心的隶属度，隶 属度最大所对应的输出结果即是最终的诊断结果。

本发明的有益效果：本发明通过采集病灶组织细胞核显微图像的量化特征， 来建立与肿瘤性质之间的关系，建模方法直观，而利用传播仿射聚类算法(AP) 与偏最小二乘算法(PLS)来建模的多模型使得最终的诊断结果精度高，大大降 低了误诊率。

本发明的特征及优点将通过实施例进行详细说明。

【具体实施方式】

本发明一种乳腺肿瘤的建模与诊断方法，具体步骤包括：

步骤一、确定样本数量与样本维数，划分训练样本与测试样本，对所有样 本中的数据进行“3σ”筛选；

步骤二、利用AP算法自动对训练样本进行聚类分析，得到聚类中心与每一 类的样本集；

步骤三、通过PLS对聚类获得的每一类样本集进行软测量建模，分别获得 对应的输出结果，即良性为“0”，恶性为“1”；

步骤四、利用测试样本测试(c)步骤中建立的多模型，并计算各测试样本 的隶属度作为多模型开关连接的判断依据。

其中，步骤二的传播仿射聚类算法(AP)避免了传统聚类算法中需要事先 确定初始聚类数目和聚类中心的问题，且所得聚类中心必定是样本中的点，防 止产生没有实际意义的聚类中心。

仿射聚类算法的基本步骤为：

1、设置参考度P，计算相似度矩阵，令S(i,i)＝p,i＝1,2,…n，初始化阻尼系 数lam＝median(S)，证据矩阵R(i,k)＝0,A(i,k)＝0,(i＝1,2,…,n；k＝1,2,…,n)。

2、根据下列公式，更新证据矩阵R(i,k)及A(i,k)：

R(i,k)＝S(i,k)-max[A(i,j)+S(i,j)]j∈(1,2,…k-1,k+1,…,n)