[发明专利]基于2D嵌入的半监督单细胞聚类方法、装置、计算机设备

权利要求书

1.一种基于2D嵌入的半监督单细胞聚类方法，其特征在于，包括：

对每个细胞进行数据预处理；

将所述经对数据预处理后的每个细胞的基因表达数据都使用2D嵌入的方式，生成一张张合成图像形成图像集；

将所述图像集输入到自编码器模型中进行预训练和聚类；

基于所述将所述图像集输入到自编码器模型中进行预训练和聚类后的聚类结果，构建网络，并运用社区发现算法对所述构建网络中的图像集数据进行分类；

采用将基于卷积神经网络模型来配置的半监督神经网络，对所述经分类后的图像集中的所有细胞图像数据进行特征提取，并对所述提取的特征进行聚类；

所述将所述经对数据预处理后的每个细胞的基因表达数据都使用2D嵌入的方式，生成一张张合成图像形成图像集，包括：

通过计算特征基因的皮尔森相关系数矩阵并利用谱聚类将特征基因分组，和根据结果调整基因的排列顺序的方式，将所述数据预处理后的每个细胞的基因表达数据排列成预设大小的二维矩阵，和将所述经排列成预设大小的二维矩阵后的每个细胞的基因表达数据都使用2D嵌入的方式，将所述经排列成预设大小的二维矩阵后的每个细胞的数据映射成2D图像，和通过对所述映射成的2D图像中的每个像素对应的基因表达量确定所述像素的灰度值的方式，将所述映射成的2D图像生成一张张合成图像形成图像集。

2.如权利要求1所述的基于2D嵌入的半监督单细胞聚类方法，其特征在于，所述对每个细胞进行数据预处理，包括：

通过将每个细胞中表达值为0的基因去除和对所述经表达值为0的基因去除后的所有细胞的整个数据进行归一化处理并从所述经数据归一化处理后的所有细胞中选取方差最大的预设数量的基因作为特征基因的方式，对每个细胞进行数据预处理。

3.如权利要求1所述的基于2D嵌入的半监督单细胞聚类方法，其特征在于，所述将所述图像集输入到自编码器模型中进行预训练和聚类，包括：

将所述图像集输入到自编码器模型中进行预训练，通过所述自编码器模型将所述图像集给定的输入空间通过第一映射变换到特征空间，和通过将所述变换到的特征空间通过第二映射变换到所述给定的输入空间的方式，对所述图像集进行预训练，以及采用均方误差损失函数的方式，对所述经预训练后的图像集进行聚类。

4.如权利要求1所述的基于2D嵌入的半监督单细胞聚类方法，其特征在于，所述基于所述将所述图像集输入到自编码器模型中进行预训练和聚类后的聚类结果，构建网络，并运用社区发现算法对所述构建网络中的图像集数据进行分类，包括：

基于所述将所述图像集输入到自编码器模型中进行预训练和聚类后的聚类结果，对所述聚类结果进行统计得到细胞被聚类到同一类别的聚类矩阵，和根据所述聚类矩阵，构建网络，并运用社区发现算法对所述构建的网络进行社区划分和记录划分结果以及对所述划分结果打上标签的方式，对所述构建网络中的图像集数据进行分类。