[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

说明书

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，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。本发明具有速度快、自动化、准确率高的优点，为癌细胞的识别分类节省了大量的人力成本、物力成本、时间成本，有助于人们从细胞力学角度来看待癌细胞的识别分类，为癌细胞识别分类提供一个新的视角，同时减少了传统方法中人为主管因素所带来的癌细胞识别分类误差。本发明的方法，细胞识别准确率为100％，即误差为0，准确率高，且是由程序自动化识别，为癌症的识别分类提供了一种有效的补充方法。

技术领域

本发明涉及一种癌细胞识别分类方法。特别是涉及一种基于BP神经网络和细胞力学特性参数的癌细胞分类方法。

背景技术

21世纪以来癌症发病率越发走高，己经成为危害人类生命的一种严重疾病。

目前常用的癌症分类识别方法为CT、核磁共振等，主要是从细胞的形态学表征作为出发点，通过各种影像技术，结合医生的临床经验来识别。不过由于一些癌症(包括同器官的不同癌细胞，还是不同器官的癌细胞)具有相类似的组织病理学、形态学，因此将会消耗大量的时间精力来识别，且识别的成功率取决于医生的主观因素，因此非常有必要研发一种速度快、自动化、准确率高的癌症识别分类方法。

细胞的力学性能分析具有非常重大的意义，为人类疾病研究和诊断方面提供了重要科学数据，随着生命科学和纳米技术的不断发展，人们认识到细胞的病变会导致细胞骨架构型发生变化，而在后者中细胞的力学特性扮演着决定性作用，细胞力学影响到生物信号在细胞内的传递，且不同类型的癌细胞力学性能往往也大不相同，因此细胞的力学特性已经成为研究癌细胞的重要方式，因而利用细胞的力学特性来识别癌细胞类型成为一种新的癌细胞识别分类方法。

发明内容

本发明所要解决的技术问题是，提供一种具有速度快、自动化、准确率高的基于BP神经网络和细胞力学特性参数的癌细胞分类方法。

本发明所采用的技术方案是：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，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CrossEntropy；

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；