CN101438304A

CN101438304A - 为分类学习变换测量数据

Info

Publication number: CN101438304A
Application number: CNA2007800166912A
Authority: CN
Inventors: D·谢弗
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 2006-05-10
Filing date: 2007-04-10
Publication date: 2009-05-20
Also published as: US20090208096A1; EP2021988A2; JP2009536386A; RU2008148569A; WO2007129233A3; WO2007129233A2

Abstract

提供了一种系统(600)、设备(500)及方法，用于测量数据的组合变换，以使得变换后的数据适于由模式分类学习方法来输入。在不可靠区域中减小变换后的数据的灵敏度，同时在其它区域中很大程度上不改变或增加该灵敏度。使用设备(500)和系统(600)中的组合变换模块(502)将高斯变换与S形函数相结合来实现灵敏度减小。用户可以通过系统(600)的用户控制子系统(604)以及通过提供输入到设备(500)中的用户分析输入(508)输入来指导该处理。

Description

为分类学习变换测量数据

本公开文本涉及于2005年6月16日提交的、题为“为分类学习变换测量数据(Transforming Measurement Data For Classification Learning)”的美国临时专利申请No.60/691,131，该参考文件转让给本公开文本的受让人。

技术领域

本发明涉及一种系统、设备及方法，用于变换原始测量数据，以减小在不可靠区域中的总灵敏度，同时提高在所希望的区域中的数据的灵敏度。

背景技术

测量数据会具有这样的分布：由于较大或较小的动态范围造成该分布并不是很适合于由特定模式分类学习方法来使用该分布。例如，考虑微阵列，其中载玻片上繁殖有单链DNA。在使样本在这个载玻片上冲洗，以使得在样本中存在的RNA会优先结合到DNA链。这常常相关于控制来进行，到不同类型的荧光分子的结合用于在该控制与目标之间进行区分。随后读取光的颜色和强度，以确定如何以测量数据表示目标，所述测量数据是第一颜色和第二颜色的强度的比率的对数。

在通常的实验中，将一类微阵列数据的读数编码为测试组织和控制组织中的基因表达级别的比率的对数。结果产生的数量的数值范围可以非常大，但通常会处于一个狭窄得多的范围中(比方说+2到-2)。

普遍的模式识别学习方法是多层感知器(MLP)，也称为前馈神经网络。这些机器要求其输入数据是在范围[0，1]中的数值。因此为了将这些微阵列数据提供给MLP，必须变换原始数据，以符合该输入数据范围要求。

可以执行该预期变换的函数是S形函数(sigmoid function)，如反正切(arctan)函数。这些函数可以确保非常大或非常小的测量值总是会映射到所要求的范围[0，1]内，但其代价是极大地减小了大数值之间的差值。让我们称之为大数值范围中的“减小的灵敏度”。人们常常会为S形函数选择适合的参数，以便在通常预期的范围中的灵敏度几乎是线性的。如果在几乎线性的范围上的斜率>45度，就会提高灵敏度，如果<45度，则灵敏度就会减小，如果正好是45度，就会保持不变。

然而仍会出现困难。在以上实例中，所变换的数据的灵敏度在0附近会是最大的(即变换S形函数会具有最大导数)。这是测量值的比值接近1.0的区域，在这里其可靠性不幸是最低的。会希望使得该变换的灵敏度在此很低，以使得学习机在小差值不可靠的情况下不会使用小差值。

发明内容

本发明的系统、设备及方法提供了有效果及高效的方式，来变换原始数据，以便减小总体变换在不可靠区域中的灵敏度，同时在其它区域中保持很大程度上保持灵敏度不改变或增强。

本发明通过提供额外的高斯变换来至少克服上述的问题，该高斯变换包括允许将该变换的宽度调整为使用该变换的应用所希望的宽度的参数。此外，本发明有利地解决了围绕当前分子诊断技术的有效性和效率的各种难题。就是说，本发明会有利于改进的疾病检测(例如，相对于时间和准确性两者)、疾病治疗(例如，明确的和人格化的)、以及疾病监测(例如快速且灵敏的)。因此，本发明很适于解决对于实时的、更快速的、更灵敏的、劳动强度更低、以及由此而更节省成本的分子诊断解决方案的持续需求，其适合于代替传统技术或作为其补充。

附图说明

由随后的详细说明，尤其是与附图一起回顾时，与本发明有关的额外益处(例如处理和/或有效管理大量数据的能力)会是显而易见的，参考该附图来帮助本公开内容的主题所属领域的普通技术人员更好的理解本公开内容的示范性实例，其中：

图1根据本发明在改变变换的高斯部分的宽度的同时，将样本数据变换到范围[0，1]；

图2仅示出了图1变换的中间平坦区；

图3示出了根据本发明改变组合变换的S形变换分量的上限；

图4示出了通过将其尾部推近在一起或远离开来改变S曲线的斜率；

图5示出了根据本发明更改的分析设备；以及

图6示出了包括根据本发明的设备的神经网络分析系统。

具体实施方式

本领域普通技术人员会明白为了说明而不是限制目的而提供以下的说明。技术人员明白在本发明的精神和所附权利要求的范围之内存在许多变化。从当前说明省略了已知功能和操作的不必要的细节，以便不模糊对本发明的理解。

在测量数据中，测量值的分布可能表明要进行变换。例如，如果一组测量值强烈的偏斜，就可以使用对数、平方根或其它幂(在-1与+1之间)。如果一组测量值具有高峰度但低偏度，就可以使用反正切变换来减小极值的影响。然而，反正切函数的使用在0处产生了最陡峭的斜率，而本高斯变换就是要修复它。就是说，本发明的系统、设备及方法提供了一种变换数据的方式，其在不可靠区域中减小了变换的灵敏度，而在其它区域中很大程度上保持数据不变。添加了第二变换，其以这样的方式使原始数据变形：使得能够减小总体变换在不可靠区域中的灵敏度，而在其它区域中提高灵敏度或很大程度上保持其不变。

在优选实施例中，提供了额外的高斯变换，其具有自身的参数，在此p1允许将高斯变换的宽度调整为应用所希望的宽度。参考图1，示出了改变宽度参数p1的结果。在图2中放大显示了这个平坦区101，其在中间区域极大地减小了输入数据值的灵敏度，并通过改变p1(平坦区的宽度)，可以极大地减小在来自一组样本数据的数值之中的不想要的差值。

在以下计算机程序中显示了用于向神经网络(或其它模式识别方法)输入数据的组合变换的优选实施例。对于本领域普通技术人员明确的是，如果任务需要仅一个特性而无需其它特性，就可以使得两个变换中的任一一个与另一个变换彼此相独立。

/*

*从强度比值尺度映射到用于神经网络的输入的[0-1]区间

*使用S形函数来覆盖可能发生的任何极值，

*但是在“希望的”数值范围内相当接近线性

*最后，还在0的邻域中进行基于高斯的变形，因为在该区域中的强度比值不可靠

*

*/

/*ds1_transform

*输入：

*x：要变换的双精度数值

*p1：高斯宽度参数

*p2：S形的上限参数

*p3：S形的伸展参数

*

*输出：

*x的变换后的双精度数值

*

*如果想要一个低于0的范围，则直接加上另一参数

*

*/

double dsl_transform(double x，double p1，double p2，double p3)

{

double gauss；

double sigmoid；

double distorted_x；

/*gauss distortion for x*/

gauss＝exp(-x*x/p1)；

distorted_x＝x-(x*gauss)；

/*S形函数*/

sigmoid＝p2/(1.0+exp(-p3*distorted_x))；

return(sigmoid)；

}

本发明的组合变换可以作为软件和固件模块中的至少一种而包含在分析设备中，其接受参数p1-p3的数值和原始输入值，并返回变换值。以下主程序(main program)示出了这个实施例的操作，其中主程序从用户请求对p1-p3的输入，并打印出根据本发明的变换值，用于在范围[-20，20]中的输入数据，其在该范围中以步进.1递增。实际上，会通过组合来输入并变换实际样本数据。

/*

*主程序从命令行接受p1-p3的输出

*并打印出400个范围在-20到+20的值以及它们的变换值

*/

int main(int argc，char*argv[])

{

int i，j；

double x，p1，p2，p3；

int n_points；

double inc；

double transformed_x；

if(argc<4)

{

fprintf(stderr，＂usage：mapping2 p1 p2\n＂)；

fprintf(stderr，＂where p1is Gaussian width parameter\n＂)；

fprintf(stderr，＂and p2 is sigmoid ceiling parameter\n＂)；

fprintf(stderr，＂and p3 is sigmoid stretch parameter\n＂)；

exit(1)；

}

else

{

p1＝atof(argv[1])；

p2＝atof(argv[2])；

p3＝atof(argv[3])；

}

n_points＝400；

inc＝0.1；

x＝(double)-n_points/2.0；

x*＝inc；

for(i＝0；i<n_points；i++)

{

x+＝inc；

transformed_x＝ds l_transform(x，p1，p2，p3)；

printf(＂％lf％lf\n＂，x，transformed_x)；

}

参考图3，p2在此用于在0和p2之间改变的变换的顶端。参考图4，p3用于通过将S曲线的尾部推到一起或分离开来改变S曲线的斜率，以覆盖预期大多数数据所在的数值范围。通过相对于p3而改变p1，可以确定拉进了哪个离群值，并在这些值之间差值有多达以及其是否被提高或减小了。

现在参考图5，显示了根据本发明而修改的分析设备500的优选实施例。输入测量数据501，其包括参数p1、p2和p3504，公差和决策规则，例如停止条件，其指导改变p1-p3的过程，以便获得具有预定特性的变换数据。将测量数据输入501与参数504、公差和决策规则505以及变换后的输出数据507一起存储在存储器510中。在一个优选实施例中，用户通过基于变换后的数据输入509的用户分析提供输入508，来与变换后数据分析模块交互。

已经确定了本公开的分析设备的多个特定优选方面，对于本领域技术人员来说显而易见的是，这种设备可以有效地与各种已知和/或尚未发现的医学诊断或测量技术结合使用。例如，其中，本公开的设备很适于与疾病的确定、监测和/或治疗结合使用，以及很适合于与由例如基因表达数据对生物状况的表征结合使用(见，例如美国专利No.6,964,850，6,960,439和6,692,916，这些专利据此通过参考明确的合并作为其一部分，用于进一步的说明性论述)。

图6示出了分析系统600，其包含至少一个依据图5的设备修改的设备500。该分析系统用测量值收集子系统601收集测量数据，作为参数、公差、决策规则，并将其作为由测量变换子系统500(根据本发明修改的)使用的测量数据输入501来提供，用以计算变换后的数据输入509。该系统可以包括自动公差测试和用户控制子系统中的至少一种，自动公差测试用于根据预定要求确定对p1-p3的任何变化，用户控制子系统用于基于对变换后的数据输入509的迭代用户评估来指导p1-p3的确定，其中，所述变换后的数据输入509由用户提供的p1-p3的值508产生，p1-p3的值508由用户控制子系统604作为用户分析输入508来提供。

用户可以基于变换后的数据自身做出决策，但更有可能的是变换后的数据会直接进入分析系统603，并使用这些输出来做出决策。初始分析可以仅仅计算并显示变换后的数据的分布，但是更有可能的是它们可以包含模式发现方法的应用，并根据效用和合理性的某种标准来检查所发现的模式。

持久性存储器和数据库500提供对输入、输出和中间结果的短期和长期存储，用于由测量值变换子系统500来变换测量值。分析系统600还包括测量值分析算法603，其连接到持久性存储器和数据库510，并且保留参数、公差、决策规则、原始测量值和用本发明的设备和方法变换原始测量数据的结果的纵向历史，并使得它们可被利用。

已经确定了本公开的分析系统的多个特定优选方面，对于本领域技术人员来说显而易见的是，这种设备可以有效地与各种已知和/或尚未发现的医学诊断或测量技术结合的使用。例如，其中，由于采用本公开的设备，系统还很适于与疾病的确定、监测和/或治疗，以及生物状况的特性，例如通过基因表达数据，相关联的使用。

图7是用于图6的系统的处理流程的优选实施例，在此包含了用于图5的设备的流程。在步骤701，输入参数、公差和决策规则的用户输入，并存储在数据库/存储器510中。在步骤702输入测量数据值，并存储在数据库/存储器510中，它们是由测量子系统601收集的。在步骤703，由测量值变换子系统500使用本发明来变换测量数据。用户控制子系统604在步骤704检查变换后的值，并在步骤705按照用户的指导或者按照任何参数、公差和决策规则的自动指导进行调整，其中用户控制子系统604的范围可以是在从全手动调整到全自动调整。如果在步骤704根据用户控制子系统604该变换后的数据是可以接受的，那么就在步骤707输出该变换后的数据，并存储在数据库/存储器510中。此后，如上所述，测量值分析算法603从数据库/存储器510取回该变换后的数据并进行分析，并将分析结果存储在其中。

尽管已经示出并说明了本发明的优选实施例，本领域技术人员会明白在此所述的系统和设备架构及方法是说明性的，可以做出各种变化和修改，等价物可以替代其元件，而不会脱离本发明的范围。另外，可以做出许多修改，以调整本发明的教导来适合于具体情形，而不会脱离其中心范围。因此，其意图是本发明不限于作为设想用于实施本发明的最佳模式而公开的具体实施例，相反的，本发明包括在所附权利要求范围内的全部实施例。

Claims

1、一种方法，用于将测量数据变换到可接受的范围[1，u]，以便由给定分类学习类型的学习机来输入，包括步骤：

采用至少一个预定的参数化变换组合(502)一个至所述可接受范围[1，u]的参数化变换，其降低了在不可靠数据的高灵敏度区域中的灵敏度，因此所述学习机不使用满足关于不可靠性和不期望性的预定标准的差值；

使用所述组合变换将一组测量数据(702)变换(703)到所述可接受范围[1，u]；

测试(503)所述变换后的数据是否不满足预定标准，直至满足停止标准为止，重复执行以下步骤：

-调整(705)所述参数化组合变换的至少一个参数(504)，并且

-执行所述变换步骤和测试步骤；

如果所述变换后的数据满足(704)从由预定标准和预定停止条件构成的组中选出的一个条件(505)，就输出所述变换后的测量数据。

2、如权利要求1所述的方法，其中，所述至少一个预定的参数化变换(701)从由恒等交换和S形变换构成的组中选出，

在所述恒等交换中，

变换后的_x＝x

所述S形变换包含参数p2和p3，其中，

p2＝S形的上限

p3＝S形的伸展

变换后的_x＝p2/(1-exp(-p3*x))。

3、如权利要求2所述的方法，其中，所述组合步骤(502)进一步包括首先执行参数化高斯(703)变形，其包含所述测量数据x的参数p1，其中，

p1＝高斯宽度参数

x＝x-(x*exp(-x*x/p1))。

4、如权利要求3所述的方法，其中，所述分类学习类型是多层感知器(MLP)，并且所述范围[1，u]是[0，1]。

5、一种设备(500)，用于对测量数据进行变换，以便由给定分类学习类型的学习机来输入，包括：

组合变换模块(502)，其分析所述测量数据，并基于所述分析使用包含至少一个预定参数的至少一个预定参数化变换来组合一个参数化变换，并且以此将测量数据变换到对于所述分类学习类型而言可接受的范围[1，u]；

存储器(510)，连接到所述组合变换模块，用于存储所述预定参数、待变换的所述测量数据、以及结果产生的变换后数据输出；以及

变换后数据处理模块(503)，其确定所述变换后数据是否满足预定的满足标准，并调整所述预定参数，并且以此再次变换所述测量数据，直至满足从由停止标准和所述预定满足标准构成的组中选出的一个条件(505)为止，其中，所述变换后数据输入是至少一个输出，并存储在所述存储器(510)中。

6、如权利要求5所述的设备(500)，其中，所述至少一个预定参数化变换(701)是从由恒等交换和S形变换构成的组中选出的，

在所述恒等交换中，

x＝测量数据

变换后的_x＝x

所述S形变换包含参数p2和p3，其中

p2＝S形的上限

p3＝S形的伸展

变换后的_x＝p2/(1-exp(-p3*x))。

7、如权利要求6所述的设备(500)，其中，所述组合变换模块(502)进一步被配置为首先执行参数化高斯变形(703)，其包含所述测量数据x的参数p1，其中

p1＝高斯宽度参数

x＝x-(x*exp(-x*x/p1))。

8、如权利要求7所述的设备(500)，其中，所述分类学习类型是多层感知器(MLP)，并且所述范围[1，u]是[0，1]。

9、一种系统(600)，用于对测量数据进行变换，以便由给定分类学习类型的学习机输入，包括：

测量值收集子系统(601)，用于收集并输出测量数据；

测量值分析子系统(602)，包括测量值变换子系统(500)和测量值分析算法子系统(603)，并且所述测量值分析子系统(602)被配置为接收所述测量值收集子系统(601)的所述测量数据输出(501)，在数据库/存储器(510)中存储接收到的数据，用所述测量值变换子系统(500)将所述接收到的数据变换到作为所述学习机的输入而言可接受的范围[1，u]，用所述测量值分析算法子系统(603)分析所述测量数据(706)，并将变换后的数据及其分析存储在所述数据库存储器(510)中。

10、如权利要求9所述的系统(600)，其中，所述测量值变换子系统(500)进一步被配置为使用包含至少一个可设定参数的至少一个组合参数化变换，并且包括用户控制子系统(604)，该用户控制子系统(604)用于使用户使用所述测量值分析算法子系统(603)来确定所述变换后的测量数据的质量，并通过为所述至少一个可设定参数提供预定值来指导所述测量值变换子系统(500)变换/重新变换所述测量值。

11、如权利要求10所述的系统(600)，其中，所述至少一个组合参数化变换(701)是从由恒等交换和S形变换构成的组中选出的，

在所述恒等交换中，

x＝测量数据

变换后的_x＝x

所述S形变换包含参数p2和p3，其中

p2＝S形的上限

p3＝S形的伸展

变换后的_x＝p2/(1-exp(-p3*x))。

12、如权利要求11所述的系统(600)，其中，所述至少一个组合变换首先包括参数化高斯变形(703)，其包含所述测量数据x的参数p1，其中

p1＝高斯宽度参数

x＝x-(x*exp(-x*x/p1))。

13、如权利要求12所述的系统(600)，其中，所述分类学习类型是多层感知器(MLP)，并且所述范围[1，u]是[0，1]。

14、一种分子诊断方法，包括步骤：

-收集诊断数据；并且

-通过数据处理装置处理所收集的诊断数据，

其中，所述处理装置包括用于变换数据以便在不可靠区域中减小所述变换的灵敏度而在其它区域中不改变或增加所述变换的灵敏度的装置。

15、一种计算机可编程介质，用于执行权利要求14所述的方法的至少一部分。

16、一种分子诊断设备，包括：

输入装置，其至少用于接收测量输入数据；

处理装置，其至少包括用于变换数据以便在不可靠区域中减小所述变换的灵敏度而在其它区域中不改变或增加所述变换的灵敏度的装置；以及

输出装置，其至少用于输出变换后的数据。

17、如权利要求16所述的设备，还包括用户输入装置。

18、如权利要求16所述的设备，其中，所述用于变换数据的装置至少包括：第一装置，其至少用于分析所述测量输入数据以及组合参数化变换；以及第二装置，其至少用于确定变换后的数据是否符合标准以及重新变换所述数据直至满足至少一个标准为止。

19、一种计算机可编程介质，用于完成权利要求18所述的功能的至少一部分。

20、一种分子诊断系统，包括：

数据收集子系统，其至少用于收集并输出诊断数据；

数据处理子系统，其至少用于：分析输入数据，变换数据以便在不可靠区域中减小所述变换的灵敏度而在其它区域中不改变或增加所述变换的灵敏度，以及输出变换后的数据；以及

控制子系统，其至少用于使用户能够至少与所述数据收集子系统和/或所述数据处理子系统交互。