CN108897988A - 一种群智能寻优的结肠癌癌细胞检测仪 - Google Patents

Abstract

本发明公开了一种群智能寻优的结肠癌癌细胞检测仪，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。改进的优化方法加入了寻优算法种群适应度方差监测，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。系统在小样本条件下精度高、智能性好。

Description

一种群智能寻优的结肠癌癌细胞检测仪

技术领域

本发明涉及基因微阵列数据应用技术领域，具体地，涉及一种群智能寻优的结肠癌癌细胞检测仪。

背景技术

DNA微阵列技术是近几年得到长足发展的一项高端技术。通过利用DNA微阵列数据，科学家有机会洞察疾病的发病原因、探索治疗手段等。结肠癌是常见的发生于结肠部位的消化道恶性肿瘤，好发于直肠与乙状结肠交界处，以40～50岁年龄组发病率最高，男女之比为2～3：1。发病率占胃肠道肿瘤的第3位。结肠癌主要为腺癌、黏液腺癌、未分化癌。大体形态呈息肉状、溃疡型等。结肠癌可沿肠壁环行发展，沿肠管纵径上下蔓延或向肠壁深层浸润，除经淋巴管、血流转移和局部侵犯外，还可向腹腔内种植或沿缝线、切口面扩散转移。慢性结肠炎患者、结肠息肉患者、男性肥胖者等为易感人群。结肠癌对人类影响巨大。

基因微阵列数据有着典型的高维小样本的特点，选择合适的分类器以及参数优化算法，对最终能否正确分类有着至关重要的影响，同时也是当下的技术难点。

发明内容

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，本发明的目的在于提供一种群智能寻优的结肠癌癌细胞检测仪。

本发明解决其技术问题所采用的技术方案是：一种群智能寻优的结肠癌癌细胞检测仪，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,...,y_m]，其中y_i＝k,k∈(-1,1)，以及所有样本的基因微阵列表达值：

其中每一行x_i代表一个样本所有基因的表达值，对应的每一列x_j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,...,α_n],H_ij＝y_iy_jK(x_i,x_j),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。

在构建回声状态网络分两类器过程中，通过输入矩阵X和输出矩阵Y训练ESN分类器，分类器的状态转移方程和输出方程分别为

S＝φ(W_resS+W_inX)

其中，S是q×1储存池单元状态矩阵，X是基因特征输入矩阵，Y是m×1基因检测输出矩阵。W_resq×q的权重矩阵,W_in和W_out分别是q×m的输入权重矩阵和输出权重矩阵。φ是从特征空间到输出空间的非线性映射，如下

其中，是tanh激活函数，表达为

单隐层前馈神经网络的输入权值W_in和隐含层的权重W_res在网络训练的过程中不需要调整，输出权重由线性最小二乘方法进行辨识

ESN分类器针对基因检测非线性问题具有训练速度快，精度高的优点。

参数寻优模块首先设粒子群S＝{x¹,x²,…,x^m1}，其中

xⁱ＝(xⁱ¹,xⁱ²,…,x^iD),i＝1,2,…,m1，也就是有m1个粒子，每个粒子的位置一个D维问题在搜索空间的潜在解。通过计算各个粒子位置的适应度来比较粒子位置的优劣。

vpⁱ＝(vpⁱ¹,vpⁱ²,…vp^iD)表示粒子i的飞行速度，或者说粒子下一步的移动距离；

pⁱ＝(pⁱ¹,pⁱ²,…,p^iD),i＝1,2,…,m记录第i个粒子当前搜素到的最优解，即p_best；

p^g＝(p^g1,p^g2,…,p^gD),g∈(1,m)表示种群搜索到的全局最优解，即g_best，其中g表示群体中位置最佳的粒子的位置索引编号。

然后由以下公式更新自己的位置与速度：

其中c₁和c₂是加速常数，一般情况下设为相等，r₁和r₂是取值于[0,1]的两个随机数，增加了粒子飞行的随机性。为控制xⁱ和vⁱ的值在合理的区域内，设定当xⁱ<-x_max，令xⁱ＝-x_max；当xⁱ>+x_max，令xⁱ＝+x_max。考虑到迭代初期的全局搜索能力要求与迭代末期的局部搜索要求，可在传统更新公式上增加一个惯性系数wp：

wp_k＝wp_max-(wp_max-wp_min)×(k-1)/iter_max

其中，iter_max为最大迭代次数。在迭代初期wp较大，k较小，有利于在更新在较大范围内跳跃，便于全局搜索，迭代末期则相反。此时原更新公式改变为：

设置随机适应度方差阈值0.01，种群大小为20，最大迭代次数为100。再定义一个种群适应度方差定义如下：

其中，fitness为适应度、σ为方差，下标avg表示平均值。当种群适应度方差较小时，种群多样性丧失，继续寻优能力不强，所以引入变化策略来增加种群多样性。

具体算法流程如下：

1)初始化粒子群参数：种群p，粒子速度v和位置x，最小惯性系数w_min和最大惯性系数w_max，加速度系数C₁和C₂，迭代最大次数iter_max，迭代次数k＝1；

2)计算每个粒子的适应度，计算每个粒子的历史最佳适应度的位置pbest_i与种群历史最佳适应度对应的位置gbest；

3)由上述公式更新每个粒子的速度与位置，重新计算对应的适应度，并与历史最优解对比，如果不优于历史最佳值，则进入4)，否则跳到7)；

4)计算种群适应度方差，如果大于0.01，则跳到8)；

5)随机搜索位置rand()，搜索距离RandValue，由此，在当前位置下前进：

计算每个位置点与原点的距离Dist_i以及信息素浓度中间变量S_i:

将S_i带入设计好的适应度函数以求取每个位置点对应的信息素浓度值：smell_i＝function(s_i)。

找到最佳适应度解，如果它优于历史最优解，则保存适应度值与它的索引，并更新种群信息，让每个位置点都在下一步迭代朝最佳位置前进，其中bestSmell表示最佳适应度，bestIndex表示最佳适应度坐标标号值，X_axis、Y_axis分别为X轴、Y轴坐标值：

[bestSmell,bestIndex]＝max(smell_i)

6)循环达到最大迭代次数后退出搜索，将最后记录在[bestSmell,bestIndex]的值解作为最优解以及对应的适应度。

7)更新全局最优信息；

8)令k＝k+1，如果k<iter_max则返回步骤3，否则输出寻优结果作为最终分类器参数的最优解；

在模型输出模块，利用以上过程得到的模型，直接输入病患数据，即可根据标签值得出结果。

本发明的有益效果主要表现在：利用统计分数以及分类贡献度技术对大量的基因进行排序，得到最优排序子集，系统在小样本条件下精度高、智能性好。

附图说明

图1是本发明的结构示意图；

图2是本发明的流程图。

具体实施方式

下面根据附图具体说明本发明。

参照图1，一种群智能寻优的结肠癌癌细胞检测仪，该系统由基因微阵列读入模块1、数据预处理及特征排序模块2、参数寻优模块3、模型输出模块4组成；其中：

基因微阵列读入模块1读入的是所有基因微阵列的类别标签Y＝[y₁,y₂,...,y_m]，其中y_i＝k,k∈(-1,1)，以及所有样本的基因微阵列表达值：

其中每一行x_i代表一个样本所有基因的表达值，对应的每一列x_j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2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,...,α_n],H_ij＝y_iy_jK(x_i,x_j),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。

在构建回声状态网络分两类器过程中，通过输入矩阵X和输出矩阵Y训练ESN分类器，分类器的状态转移方程和输出方程分别为

S＝φ(W_resS+W_inX)

其中，S是q×1储存池单元状态矩阵，X是基因特征输入矩阵，Y是m×1基因检测输出矩阵。W_resq×q的权重矩阵,W_in和W_out分别是q×m的输入权重矩阵和输出权重矩阵。φ是从特征空间到输出空间的非线性映射，如下

其中，是tanh激活函数，表达为

单隐层前馈神经网络的输入权值W_in和隐含层的权重W_res在网络训练的过程中不需要调整，输出权重由线性最小二乘方法进行辨识

ESN分类器针对基因检测非线性问题具有训练速度快，精度高的优点。

参数寻优模块3首先设粒子群S＝{x¹,x²,…,x^m1}，其中xⁱ＝(xⁱ¹,xⁱ²,…,x^iD),i＝1,2,…,m1，也就是有m1个粒子，每个粒子的位置一个D维问题在搜索空间的潜在解。通过计算各个粒子位置的适应度来比较粒子位置的优劣。

vpⁱ＝(vpⁱ¹,vpⁱ²,…vp^iD)表示粒子i的飞行速度，或者说粒子下一步的移动距离；

pⁱ＝(pⁱ¹,pⁱ²,…,p^iD),i＝1,2,…,m记录第i个粒子当前搜素到的最优解，即p_best；

p^g＝(p^g1,p^g2,…,p^gD),g∈(1,m)表示种群搜索到的全局最优解，即g_best，其中g表示群体中位置最佳的粒子的位置索引编号。

然后由以下公式更新自己的位置与速度：

其中c₁和c₂是加速常数，一般情况下设为相等，r₁和r₂是取值于[0,1]的两个随机数，增加了粒子飞行的随机性。为控制xⁱ和vⁱ的值在合理的区域内，设定当xⁱ<-x_max，令xⁱ＝-x_max；当xⁱ>+x_max，令xⁱ＝+x_max。考虑到迭代初期的全局搜索能力要求与迭代末期的局部搜索要求，可在传统更新公式上增加一个惯性系数wp：

wp_k＝wp_max-(wp_max-wp_min)×(k-1)/iter_max

其中，iter_max为最大迭代次数。在迭代初期wp较大，k较小，有利于在更新在较大范围内跳跃，便于全局搜索，迭代末期则相反。此时原更新公式改变为：

设置随机适应度方差阈值0.01，种群大小为20，最大迭代次数为100。再定义一个种群适应度方差定义如下：

其中，fitness为适应度、σ为方差，下标avg表示平均值。当种群适应度方差较小时，种群多样性丧失，继续寻优能力不强，所以引入变化策略来增加种群多样性。

具体算法流程如下：

1)初始化粒子群参数：种群p，粒子速度v和位置x，最小惯性系数w_min和最大惯性系数w_max，加速度系数C₁和C₂，迭代最大次数iter_max，迭代次数k＝1；

2)计算每个粒子的适应度，计算每个粒子的历史最佳适应度的位置pbest_i与种群历史最佳适应度对应的位置gbest；

3)由上述公式更新每个粒子的速度与位置，重新计算对应的适应度，并与历史最优解对比，如果不优于历史最佳值，则进入4)，否则跳到7)；

4)计算种群适应度方差，如果大于0.01，则跳到8)；

5)随机搜索位置rand()，搜索距离RandValue，由此，在当前位置下前进：

计算每个位置点与原点的距离Dist_i以及信息素浓度中间变量S_i:

将S_i带入设计好的适应度函数以求取每个位置点对应的信息素浓度值：smell_i＝function(s_i)。找到最佳适应度解，如果它优于历史最优解，则保存适应度值与它的索引，并更新种群信息，让每个位置点都在下一步迭代朝最佳位置前进，其中bestSmell表示最佳适应度，bestIndex表示最佳适应度坐标标号值，X_axis、Y_axis分别为X轴、Y轴坐标值：

[bestSmell,bestIndex]＝max(smell_i)

6)循环达到最大迭代次数后退出搜索，将最后记录在[bestSmell,bestIndex]的值解作为最优解以及对应的适应度。

7)更新全局最优信息；

8)令k＝k+1，如果k<iter_max则返回步骤3，否则输出寻优结果作为最终分类器参数的最优解；

参数优化模块3输出的参数进入模型输出模块4，作为诊断仪的参数使用。模型输出模块对后续输入的实际结肠癌病患基因微阵列数据进行分析。

上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (5)

1.一种群智能寻优的结肠癌癌细胞检测仪，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所述群智能寻优的结肠癌癌细胞检测仪，其特征在于：所述基因微阵列读入模块读入所有基因微阵列的类别标签Y＝[y₁,y₂,...,y_m]，其中y_i＝k,k∈(-1,1)，以及所有样本的基因微阵列表达值：

其中每一行x_i代表一个样本所有基因的表达值，对应的每一列x_j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所述群智能寻优的结肠癌癌细胞检测仪，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,...,α_n],H_ij＝y_iy_jK(x_i,x_j),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。

在构建回声状态网络分两类器过程中，通过输入矩阵X和输出矩阵Y训练ESN分类器，分类器的状态转移方程和输出方程分别为

S＝φ(W_resS+W_inX)

其中，S是q×1储存池单元状态矩阵，X是基因特征输入矩阵，Y是m×1基因检测输出矩阵。W_resq×q的权重矩阵,W_in和W_out分别是q×m的输入权重矩阵和输出权重矩阵。φ是从特征空间到输出空间的非线性映射，如下

其中，是tanh激活函数，表达为

单隐层前馈神经网络的输入权值W_in和隐含层的权重W_res在网络训练的过程中不需要调整，输出权重由线性最小二乘方法进行辨识

ESN分类器针对基因检测非线性问题具有训练速度快，精度高的优点。

4.根据权利要求1所述群智能寻优的结肠癌癌细胞检测仪，其特征在于：所述参数寻优模块首先设粒子群S＝{x¹,x²,…,x^m1}，其中xⁱ＝(xⁱ¹,xⁱ²,…,x^iD),i＝1,2,…,m1，也就是有m1个粒子，每个粒子的位置一个D维问题在搜索空间的潜在解。通过计算各个粒子位置的适应度来比较粒子位置的优劣。vpⁱ＝(vpⁱ¹,vpⁱ²,…vp^iD)表示粒子i的飞行速度，或者说粒子下一步的移动距离；pⁱ＝(pⁱ¹,pⁱ²,…,p^iD),i＝1,2,…,m记录第i个粒子当前搜素到的最优解，即p_best；p^g＝(p^g1,p^g2,…,p^gD),g∈(1,m)表示种群搜索到的全局最优解，即g_best，其中g表示群体中位置最佳的粒子的位置索引编号。

然后由以下公式更新自己的位置与速度：

其中c₁和c₂是加速常数，一般情况下设为相等，r₁和r₂是取值于[0,1]的两个随机数，增加了粒子飞行的随机性。为控制xⁱ和vⁱ的值在合理的区域内，设定当xⁱ<-x_max，令xⁱ＝-x_max；当xⁱ>+x_max，令xⁱ＝+x_max。考虑到迭代初期的全局搜索能力要求与迭代末期的局部搜索要求，可在传统更新公式上增加一个惯性系数wp：

wp_k＝wp_max-(wp_max-wp_min)×(k-1)/iter_max

其中，iter_max为最大迭代次数。在迭代初期wp较大，k较小，有利于在更新在较大范围内跳跃，便于全局搜索，迭代末期则相反。此时原更新公式改变为：

设置适应度方差阈值0.01，种群大小为20，最大迭代次数为100。再定义一个种群适应度方差定义如下：

其中，fitness为适应度、σ为方差，下标avg表示平均值。当种群适应度方差较小时，种群多样性丧失，继续寻优能力不强，所以引入变化策略来增加种群多样性。

具体算法流程如下：

1)初始化粒子群参数：种群p，粒子速度v和位置x，最小惯性系数w_min和最大惯性系数w_max，加速度系数C₁和C₂，迭代最大次数iter_max，迭代次数k＝1；

2)计算每个粒子的适应度，计算每个粒子的历史最佳适应度的位置pbest_i与种群历史最佳适应度对应的位置gbest；

3)由上述公式更新每个粒子的速度与位置，重新计算对应的适应度，并与历史最优解对比，如果不优于历史最佳值，则进入4)，否则跳到7)；

4)计算种群适应度方差，如果大于0.01，则跳到8)；

5)随机搜索位置rand()，搜索距离RandValue，由此，在当前位置下前进：

计算每个位置点与原点的距离Dist_i以及信息素浓度中间变量S_i:

将S_i带入设计好的适应度函数以求取每个位置点对应的信息素浓度值：smell_i＝function(s_i)。找到最佳适应度解，如果它优于历史最优解，则保存适应度值与它的索引，并更新种群信息，让每个位置点都在下一步迭代朝最佳位置前进，其中bestSmell表示最佳适应度，bestIndex表示最佳适应度坐标标号值，X_axis、Y_axis分别为X轴、Y轴坐标值：

[bestSmell,bestIndex]＝max(smell_i)

6)循环达到最大迭代次数后退出搜索，将最后记录在[bestSmell,bestIndex]的值解作为最优解以及对应的适应度。

7)更新全局最优信息；

8)令k＝k+1，如果k<iter_max则返回步骤3，否则输出寻优结果作为最终分类器参数的最优解。

5.根据权利要求1所述群智能寻优的结肠癌癌细胞检测仪，其特征在于：所述模型输出模块利用参数寻优模块得到的模型，直接输入病患数据，即可根据标签值得出结果。