[发明专利]一种基于AFM和SVM分类器的细胞癌化识别方法

权利要求书

1.一种基于AFM和SVM分类器的细胞癌化识别方法，其特征在于，包括下述步骤：

(1)使用AFM设备获取待识别细胞的形貌图；

(2)使用AFM设备对所述待识别细胞进行纳米压痕实验，获得所述待识别细胞的力学特性曲线及微观形貌结构信息；

(3)对步骤(2)所得力学特性曲线数据及微观形貌结构信息进行处理，获得相关力学特性参数；

(4)将步骤(3)所获得的相关力学特性参数数据作为SVM分类器的输入数据，通过所述SVM分类器的分类识别模型识别细胞是否癌化，所述SVM分类器的输出为待识别细胞的种类。

2.根据权利要求1所述的基于AFM和SVM分类器的细胞癌化识别方法，其特征在于，所述分类识别模型通过下述方法获得：

(1)使用AFM设备分别获取正常细胞和癌变细胞的形貌图；

(2)使用AFM设备分别对正常细胞和癌变细胞进行纳米压痕实验，获得所述正常细胞和癌变细胞的力学特性曲线及微观形貌结构信息；

(3)对步骤(2)所得力学特性曲线数据及微观形貌结构信息进行处理，获得相关力学特性参数；

(4)将步骤(3)所获得的相关力学特性参数数据随机排序，并分为训练数据和测试数据，作为SVM分类器的输入数据，并将所述输入数据归一化处理；

(5)使用优化后的惩罚因子C和高斯核函数的宽度参数σ²以及所述训练数据，采用交叉验证法开始训练SVM分类器,训练后得到含有最优超平面的识别模型，并将训练后的SVM分类器的识别模型保存下来；

(6)使用步骤(5)中保存下来的SVM分类器的识别模型及所述测试数据，测试所述SVM分类器的识别模型的分类识别效果，输出测试的分类结果；

(7)如果测试的分类结果达到要求，则作为所述分类识别模型；如果未达到要求，则重复步骤(4)-(5)。

3.根据权利要求1或2所述的基于AFM和SVM分类器的细胞癌化识别方法，其特征在于，所述力学特性曲线为力-位移曲线。

4.根据权利要求1或2所述的基于AFM和SVM分类器的细胞癌化识别方法，其特征在于，进行纳米压痕实验时的压痕力为2nN，Z Length为3uM,压痕速度为2.0uM/s。

5.根据权利要求2所述的基于AFM和SVM分类器的细胞癌化识别方法，其特征在于，所述惩罚因子C和高斯核函数的宽度参数σ²的优化方法为：用LibSVM软件包，将kernal函数设置为高斯核；采用暴力搜索遍历的方法，结合所述训练数据与LibSVM软件包，寻找使识别率最大的惩罚因子C和高斯核函数参数σ²,然后细化惩罚因子C和高斯核函数的宽度参数σ²，重复该步骤，得到优化的惩罚因子C和高斯核函数的宽度参数σ²；其中，惩罚因子C＝[-5,-3,-1,1,3,5,7,9,11,13,15]，高斯核函数参数σ²＝[-15,-13,-11,-9,-7,-5,-3,-1,1,3]。

6.根据权利要求2所述的基于AFM和SVM分类器的细胞癌化识别方法，其特征在于，定义所述最优超平面：

s.t.y_i[w^Tφ(x_i)+b]≥1-ζ_i,ζ_i≥0 (2)；

将所述最优超平面原问题与对偶问题结合，通过SMO算法求解式(1)和式(2)得

其中：k(x_i,x)表示核函数；α_i表示拉格朗日乘子；w＝(w₁；w₁；....w_d；)为法向量；b为位移项；φ(x_i)表示将样本特征向量x映射后的特征向量；C为惩罚因子；ζ_i为松弛变量；y_i表示实际目标值；i,j分别代表第i,j个样本；N代表总的样本数量；d代表的是w的维度。