一种参数最优的肺癌癌细胞检测仪制造技术

本发明专利技术公开了一种参数最优的肺癌癌细胞检测仪，该系统由基因微阵列读入模块、数据预处理及特征排序模块、参数寻优模块、模型输出模块组成。系统首先将输入的基因微阵列数据预处理，然后对剩余的各个基因进行重要性排序，通过统计分数计算相关性，再利用分类器准则函数计算贡献度，将所有基因重要性进行排序。改进的优化方法在原始的智能寻优算法下加入了适应度检测与种群扰动，能够防止种群多样性散失以及优化过程陷入局部最优。然后将搜寻到的最优参数作为分类器参数完成模型构建并输出结果。系统速度快，适合在线检测。

A parameter optimized detection instrument for lung cancer cell

The invention discloses a lung cancer cell detector with optimal parameters, which is composed of a gene microarray reading module, a data preprocessing and feature sorting module, a parameter optimization module and a model output module. The system first preprocesses the input gene microarray data, then ranks the importance of the remaining genes, calculates the correlation by statistical score, and then calculates the contribution by using the classifier criterion function to sort all the gene importance. The improved optimization method incorporates fitness detection and population disturbance into the original intelligent optimization algorithm, which can prevent the loss of population diversity and the optimization process from falling into local optimum. Then, the optimal parameters are used as classifier parameters to complete the model construction and output the results. The system is fast and suitable for on-line testing.

【技术实现步骤摘要】
一种参数最优的肺癌癌细胞检测仪
本专利技术涉及基因微阵列数据应用
，具体地，涉及一种参数最优的肺癌癌细胞检测仪。
技术介绍
21世纪是生命科学的世纪，DNA微阵列(DNAMicroarray)上的数据，又叫基因微阵列数据，具有很大的研究价值潜力，基础医学方面，可以利用微阵列快速检测巨量基因的表达值，比较不同典型样本的表达差异，进行疾病致病基因的发现研究、基因检测等。临床上，肿瘤的早期表现为细胞内基因表达图谱的改变，微阵列数据研究可以达到早发现早治疗的作用，来指导临床实践；肺癌是发病率和死亡率增长最快，对人群健康和生命威胁最大的恶性肿瘤之一。近50年来许多国家都报道肺癌的发病率和死亡率均明显增高，男性肺癌发病率和死亡率均占所有恶性肿瘤的第一位，女性发病率占第二位，死亡率占第二位。肺癌的病因至今尚不完全明确，根据1985年美国的估计，男性肺癌中的80％和女性肺癌中的79％归因于吸烟。烟雾中的尼古丁、苯并芘、亚硝胺和少量放射性元素钋等均有致癌作用，尤其易致鳞癌和小细胞癌。肺肿瘤的危险因素比较多，现在医学界推测肺肿瘤应该是一种多因素的疾病。免疫力低下、内分泌失调、心情抑郁及家庭遗传都可能导致肺肿瘤的发生。调查发现，近年来肺癌的发病率和死亡率逐年增长。如何找到肺癌的致病基因是具有重大意义的一项工作。基因微阵列数据有着典型的高维少样本特征，通常每个样本中被观测的基因数量在几千乃至几万，而一次实验只有几十个样本。在模式识别问题中，维数过大，将导致维数灾难，一方面使算法时间随着维数的增加而指数上升，样本数过少，则会让传统的与估计概率密度相关的信息学算法无法进行。找到可行的方法，降低特征维数，选取最优特征基因子集，使数据在该特征子空间下最可分，是最为迫切的需求。而在选定最优特征子集的情况下，如何选定分类器的参数，避免人工调参带来的低效与随意性，同样也是当今一大研究热点。
技术实现思路
为了克服目前难以搜寻基因微阵列数据最优特征子集以及分类最佳参数的不足，本专利技术的目的在于提供一种参数最优的肺癌癌细胞检测仪。本专利技术解决其技术问题所采用的技术方案是：一种参数最优的肺癌癌细胞检测仪，该系统由基因微阵列读入模块、数据预处理及特征排序模块、参数寻优模块、模型输出模块组成；其中：基因微阵列读入模块读入的是所有基因微阵列的类别标签Y＝[y1,y2,...,ym]，其中yi＝k,k∈(-1,1)，以及所有样本的基因微阵列表达值：其中每一行xi代表一个样本所有基因的表达值，对应的每一列xj代表一个基因在所有样本中的表达值，下标i表示第i个样本、总共m个，下标j表示第j个基因、总共n个。数据预处理及特征排序模块是对读入的原始微阵列数据进行归一化以及特征排序的处理过程。其中归一化操作为：其中，Min、Max分别为样本基因表达值的最小值、最大值。而特征排序选择使用每个基因对分类准确度的贡献度打分来实现，通过定义一个贡献度函数：其中，α＝[α1,...,αn],Hij＝yiyjK(xi,xj),α为法向量对应的系数、H为中间矩阵，J为代价函数、I为单位矩阵、K为核函数、y为标签值、x为样本特征值，上标T表示矩阵的转置、下标i、j分别表示第i个样本和第j个基因。事实上，该式代表分类边界大小的平方值，则有：定义w为分类绝策面的法向量、w*为最优法向量、α为法向量对应的系数、α*最优法向量对应的系数。观察上式，可以得到：各个特征的重要程度根据该特征对于这个代价函数的贡献大小来决定，即每个特征的贡献值为：其中，δ表示贡献度。在使用非线性核作为核函数的时候，一般可以如下近似计算：其中，合理假设某个特征消去之后α值不变，H(-i)表示该特征消去之后的H矩阵值。而在使用该假设时，得到的结果与线性核的结果相差不大。利用该式即可循环计算特征贡献度进行基因重要性排序。由此，可得到基因检测的训练集合其中xi代表n×1的输入特征向量，ti代表m×1的目标向量。给定一个激活函数g(x)以及隐含层的节点个数那么ELM基因检测系统为：其中，ωi代表第i个隐含层节点和输入层之间的权重向量，bi代表第i个隐含层节点的偏置，βi代表第i个隐含层节点和输出层之间的权重向量，oj代表第j个输入数据的目标输出。另外，ωi·xj代表了ωi和xj的内积。该网络的输出能够无限地接近于输入的N个样本，即：可得：上式可以表达为矩阵形式：Hβ＝T其中，H表示隐含层的输出矩阵，H的第i列分别表示隐含层的第i个节点对应于N个输入x1,x2,…,xN的输出值。单隐层前馈神经网络(SLFNs)的输入权值和隐含层的偏差在网络训练的过程中不需要调整，可以任意给定。基于上述理论，输出权重可以通过计算Hβ＝T的最小二乘解求得：可以利用线性方法快速求得方程的解，如式所示：其中，代表H的Moore-Penrose广义逆矩阵，代表最小范数最小二乘解，它正好是最小二乘解中范数最小的解。相比很多已有的基因检测系统，极限学习机通过这种Moore-Penrose广义逆的求解能够以非常快的速度达到很好的训练效果。参数寻优模块设计使用一种改进的参数最优算法来增加种群的多样性，具体设计如下：1)初始化DE算法的种群信息：在种群中，随机产生：上式中xi(0)代表初代第i个个体染色体基因的表达值，、xj,i(0)代表初代第i个个体中第j个染色体基因的表达值、rand(0,1)是(0,1)区间里的均匀随机数、NP是种群大小、上标L、U分别表示下界值、上界值。2)变异操作(Mutation)：DE算法区分于遗传算法(GA)的特点就在于其采用查分策略进行变异，通过随机选择两个个体之差，缩放后与目标个体进行向量和，也就是vi(g+1)＝xr1(g)+F·(xr2(g)-xr3(g)),i≠r1≠r2≠r3上式中，g代表第g代，F是两个随机向量差的缩放系数，vi(g+1)是变异中间变量，xr1(g)、xr2(g)、xr3(g)分别表示第g代第1、2、3个个体第r个染色体基因的表达值。3)交叉操作(Crossover)：将第g代种群xi(g)与步骤2)产生的中间变量vi(g+1)进行交叉，产生上式中，CR是设定的交叉率，uj,i(g+1)是交叉中间变量。4)选择操作(Selection)：差分进化算法使用通常的贪心算法进行保留下一代，如果交叉产生的种群适应度f(ui(g+1)大于上一代的种群适应度f(xi(g))，则保留，否则种群不变，即为了避免出现早熟情况，设计一个自适应算子λ：上式中Gmax代表最大迭代次数，G代表当前迭代次数，F0为变异算子，初期该值较大，保证样本多样性，后期逐渐变小，意在保护进化过程的优良信息。在差分进化算法中，如果适应度在一定迭代次数后始终无法超过历史最优，则认为陷入局部最优，此时利用群智能算法跳出差分进化算法：5)将当前位置点信息初始化给蚁群智能算法，其中蚂蚁个体数目为：m，信息素浓度为：τij＝c(c>0)。6)模拟所有的蚂蚁1,2...,m向终点移动，每个蚂蚁从当前位置i向下一个位置j移动的概率为：7)一次迭代完成时，即所有蚂蚁走完路径时，更新当前信息素浓度：上式中ρ为信息素浓度挥发系数，代表蚂蚁k在路径ij上留下的信息素浓度，根据信息素浓度反比于路径长度的关系，可将其定义如下：上式中，C为比本文档来自技高网...

【技术保护点】
1.一种参数最优的肺癌癌细胞检测仪，其特征在于：该系统由基因微阵列读入模块、数据预处理及特征排序模块、参数寻优模块、模型输出模块组成。

【技术特征摘要】
1.一种参数最优的肺癌癌细胞检测仪，其特征在于：该系统由基因微阵列读入模块、数据预处理及特征排序模块、参数寻优模块、模型输出模块组成。2.根据权利要求1所述的参数最优的肺癌癌细胞检测仪，其特征在于：所述基因微阵列读入模块读入的是所有基因微阵列的类别标签Y＝[y1,y2,...,ym]，其中yi＝k,k∈(-1,1)，以及所有样本的基因微阵列表达值：其中每一行xi代表一个样本所有基因的表达值，对应的每一列xj代表一个基因在所有样本中的表达值，下标i表示第i个样本、总共m个，下标j表示第j个基因、总共n个。3.根据权利要求1所述的参数最优的肺癌癌细胞检测仪，其特征在于：所述数据预处理及特征排序模块对基因微阵列读入模块读入的原始微阵列数据进行归一化以及特征排序。其中归一化操作为：其中，Min、Max分别为样本基因表达值的最小值、最大值。而特征排序选择使用每个基因对分类准确度的贡献度打分来实现，通过定义一个贡献度函数：其中，α＝[α1,...,αn],Hij＝yiyjK(xi,xj),α为法向量对应的系数、H为中间矩阵，J为代价函数、I为单位矩阵、K为核函数、y为标签值、x为样本特征值，上标T表示矩阵的转置、下标i、j分别表示第i个样本和第j个基因。事实上，该式代表分类边界大小的平方值，则有：定义w为分类绝策面的法向量、w*为最优法向量、α为法向量对应的系数、α*最优法向量对应的系数。观察上式，可以得到：各个特征的重要程度根据该特征对于这个代价函数的贡献大小来决定，即每个特征的贡献值为：其中，δ表示贡献度。在使用非线性核作为核函数的时候，一般可以如下近似计算：其中，合理假设某个特征消去之后α值不变，H(-i)表示该特征消去之后的H矩阵值。而在使用该假设时，得到的结果与线性核的结果相差不大。利用该式即可循环计算特征贡献度进行基因重要性排序。由此可得到基因检测的训练集合其中xi代表n×1的输入特征向量，ti代表m×1的目标向量。给定一个激活函数g(x)以及隐含层的节点个数那么ELM基因检测系统为：其中，ωi代表第i个隐含层节点和输入层之间的权重向量，bi代表第i个隐含层节点的偏置，βi代表第i个隐含层节点和输出层之间的权重向量，oj代表第j个输入数据的目标输出。另外，ωi·xj代表了ωi和xj的内积。该网络的输出能够无限地接近于输入的N个样本，即：可得：上式可以表达为矩阵形式：Hβ＝T其中，H表示隐含层的输出矩阵，H的第i列分别表示隐含层的第i个节点对应于N个输入x1,x2,…,xN的输出值。单隐层前馈神经网络(SLFNs)的输入权值和隐含层的偏差在网络训练的过程中不需要调整，可以任意给定。基于上述理论，输出权重可以通过计算Hβ＝T的最小二乘解求得：可以利用线性方法快速求得方程的解，如式所示：其中，代表H的Moore-Penrose广义逆矩阵，代表最小范数...

【专利技术属性】
技术研发人员：刘兴高，高信腾，孙元萌，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33