[发明专利]基于BP神经网络和细胞力学特性参数的癌细胞分类方法

权利要求书

1.一种基于BP神经网络和细胞力学特性参数的癌细胞分类方法，其特征在于，以肝癌细胞7721、肝癌细胞HepG2、肺癌细胞A549和胃癌细胞SGC的细胞力学参数作为输入数据，以细胞的种类分类作为输出数据，建立BP神经网络，来识别细胞的类型；具体包括如下步骤：

1)分别获取肝癌细胞7721、肝癌细胞HepG2、肺癌细胞A549和胃癌细胞SGC的杨氏模量、黏附功、粘附力、细胞高度、表面粗糙度的数据作为输入数据；

2)将输入的数据随机打乱，重新排序，且按照4：1：5的比率，将输入数据分成训练数据、验证数据、测试数据，并进行归一化操作；

3)创建BP神经网络，其中输入层节点为5；隐含层为6层，每层的节点为10；输出层的节点为4；

4)确定BP神经网络的参数，包括：设置激活函数为Softmax函数，学习率为0.1，采用Batch Normalizarion来避免梯度消失，优化方法采用Adam，目标函数采用Cross Entropy；

5)将训练数据送入设置好参数的BP神经网络，进行BP神经网络的前向计算，得到相应的权值参数W、b和实际输出y；

6)将得到的实际输出y与期望输出计算误差，然后根据目标函数以及误差进行BP神经网络的反向传播计算，来更新BP神经网络的权值参数W和b，得到训练好的BP神经网络；

7)将验证数据输入训练好的BP神经网络，获得BP神经网络的预测输出，将所述的预测输出与期望输出做误差运算，得到BP神经网络的误差，并计算正确率，所述的正确率为95％；

8)重复步骤5)～步骤7)，直到正确率达到设定值，得到最终的BP神经网络；

9)将测试数据代入最终的BP神经网络，来测试最终的BP神经网络的实际效果；

10)重新通过原子力显微镜分别对肝癌细胞7721、肝癌细胞HepG2、肺癌细胞A549和胃癌细胞SGC进行纳米压痕实验，再获取肝癌细胞7721、肝癌细胞HepG2、肺癌细胞A549和胃癌细胞SGC的杨氏模量、黏附功、粘附力、细胞高度、表面粗糙度的数据，放入最终的BP神经网络中，来快速识别细胞的类型。

2.根据权利要求1所述的基于BP神经网络和细胞力学特性参数的癌细胞分类方法，其特征在于，步骤1)是通过原子力显微镜分别对肝癌细胞7721、肝癌细胞HepG2、肺癌细胞A549和胃癌细胞SGC进行纳米压痕实验，获取肝癌细胞7721、肝癌细胞HepG2、肺癌细胞A549和胃癌细胞SGC的杨氏模量、黏附功、粘附力、细胞高度、表面粗糙度的数据。

3.根据权利要求1所述的基于BP神经网络和细胞力学特性参数的癌细胞分类方法，其特征在于，步骤2)所述的归一化操作，是将输入数据减去对应维度的最小值，再除以维度最大值减去维度最小值，将数值压缩到[0,1]的区间。

4.根据权利要求1所述的基于BP神经网络和细胞力学特性参数的癌细胞分类方法，其特征在于，步骤8)所述正确率的设定值为95％。

5.根据权利要求1所述的基于BP神经网络和细胞力学特性参数的癌细胞分类方法，其特征在于，针对不同类型的细胞力学数据重新训练BP神经网络，以此识别不同类型的细胞种类。