买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜合肥工业大学申请的专利基于动态集成选择算法的乳腺癌肿块诊断系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114649090B 。

龙图腾网通过国家知识产权局官网在2025-06-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210095136.X，技术领域涉及：G16H50/20；该发明授权基于动态集成选择算法的乳腺癌肿块诊断系统是由付超;刘子华;王冬越;郑汉东设计研发完成，并于2022-01-26向国家知识产权局提交的专利申请。

本基于动态集成选择算法的乳腺癌肿块诊断系统在说明书摘要公布了：本发明提供一种基于动态集成选择算法的乳腺癌肿块诊断系统，涉及医疗技术领域。本发明中训练模块用于根据训练集，采用同构分类器生成与异构分类器生成相结合的方式获取基分类器池；生成模块用于根据测试集和基分类器池，获取测试集对应的动态集成数据集；获取模块用于根据动态选择集和动态集成数据集，获取动态集成数据集中任一样本的动态能力区域；分类模块用于根据基分类器池和动态能力区域，采用互补指数选择预设数量的分类器，获取动态集成数据集中的当前样本在选择的各个分类器中对应的诊断分类结果。采用同构分类器生成与异构分类器生成相结合方式生成DES算法的基分类器池；并通过提出动态能力区域DROC算法，提高了乳腺癌肿块的诊断精度。

本发明授权基于动态集成选择算法的乳腺癌肿块诊断系统在权利要求书中公布了：1.一种基于动态集成选择算法的乳腺癌肿块诊断系统，其特征在于，包括：预处理模块，用于获取并预处理乳腺癌肿块诊断数据集，并划分为训练集、测试集和动态选择集；训练模块，用于根据所述训练集，采用同构分类器生成与异构分类器生成相结合的方式获取基分类器池；生成模块，用于根据所述测试集和基分类器池，获取所述测试集对应的动态集成数据集；获取模块，用于根据所述动态选择集和动态集成数据集，获取所述动态集成数据集中任一样本的动态能力区域；分类模块，用于根据所述基分类器池和动态能力区域，采用互补指数选择预设数量的分类器，获取所述动态集成数据集中的当前样本在选择的各个分类器中对应的诊断分类结果；集成模块，用于集成各个所述诊断分类结果，获取所述动态集成数据集中的当前样本的诊断分类结果，最终获取所述动态集成数据集中全部样本的诊断分类结果；所述获取模块包括第一获取子模块，用于采用自适应相互K近邻算法，获取所述动态集成数据集中任一样本在所述动态选择集中的第一能力区域；或者用于获取所述动态能力区域；所述第一获取子模块具体用于：S411、对于所述动态集成数据集中任一样本，计算所述动态集成数据集中的当前样本与所述动态选择集中各个样本的自适应距离； Ri＝mindExdsel，i′，xdsel，i+ε，yxdsel，i′≠yxdsel，i，xdsel，i′，xdsel，i∈Xdsel 其中，dadaxdkes，j，xdsel，i所述动态集成数据集中第j个样本xdkes，j与所述动态选择集Xdsel中任一样本xdsel，i之间的自适应距离；Ri表示所述动态选择集Xdsel中的任一样本xdsel，i与所述动态选择集Xdsel中任一其他不同类别样本xdsel，i′之间的最小距离；dExdsel，i′，xdsel，i表示所述动态选择集Xdsel中任一样本xdsel，i与所述动态选择集Xdsel中任一其他不同类别样本xdsel，i′之间的欧式距离；dExdkes，j，xdsel，i表示所述动态集成数据集中第，个样本xdkes，j与所述动态选择集Xdsel中任一样本xdsel，i之间的欧式距离；其中xdsel，i′，l、xdkes，j，l或者xdsel，i，l表示对应样本在所述乳腺癌肿块诊断数据集的预设特征l上的取值，特征总数为M；yxdsel，i′表示xdsel，i′对应的诊断类别；yxdsel，i表示xdsel，i对应的诊断类别；ε表示一任意小的数；S412、依据各个所述自适应距离大小进行非降序排列，取距离较小的前K个样本组成所述动态集成数据集中的当前样本的第三能力区域；S413、按照上述排列顺序依次从所述动态选择集中剔除所述第三能力区域中的单个样本，并加入所述动态集成数据集中的当前样本，获取新的动态选择集；S414、计算所述第三能力区域中剔除的单个样本，在所述新的动态选择集中各个样本自适应距离，取距离较小的K个样本，组成该剔除样本的第四能力区域；S415、判断所述动态集成数据集中的当前样本是否在所述第四能力区域内；若是，认定所述动态集成数据集中的当前样本与所述第三能力区域中剔除的单个样本满足相互自适应K近邻关系；S416、汇总所述第三能力区域中的所有样本的判断结果，满足要求的各个样本组成所述动态集成数据集中的当前样本在所述动态选择集中的第一能力区域；或者若上述获取的所述第一能力区域中的样本数量少于预设数量阈值，则取所述第三能力区域的前预设数量阈值的样本组成最终的所述动态能力区域；所述获取模块还包括第二获取子模块，用于根据所述第一能力区域，采用其样本集距离中心点逼近当前样本方法，获取剔除距离边缘样本后的第二能力区域；或者用于获取所述动态能力区域；所述第二获取子模块具体用于：S421、将所述第一能力区域AMDROCxdkes，j|Xdsel中的各个样本xAMD，i，按照与所述动态集成数据集中的当前样本xdkes，j的适应性距离进行非降序排列，依次计算且k′∈Z的样本集距离中心点xc，k′，得到样本集距离中心点集合其中，k′表示第一能力区域中第k′个样本，样本总数为Limkad表示所述预设数量阈值；Z表示整数集；所述样本集距离中心点xc，k′的求解过程包括： 其中，定义xc，k′到AMDROCxdkes，j|Xdsel[：k′]其他样本的欧式距离之和最小；dExi，xj表示AMDROCxdkes，j|Xdsel[：k′]中任意样本xi和样本xj之间的欧式距离，样本总数为k′；S422、计算每个样本集距离中心点xc，k′与所述动态集成数据集中的当前样本xdkes，j之间的欧式距离，取最小欧式距离对应的k′记为Conk，则获取所述剔除距离边缘样本后的第二能力区域SAMDROCxdkes，j|Xdsel＝AMDROCxdkes，j|Xdsel[：Conk]；或者若上述获取的所述第二能力区域的样本数量少于所述预设数量阈值，则取所述第一能力区域的前预设数值阈值的样本组成最终的所述动态能力区域；所述获取模块还包括第三获取子模块，用于根据所述第二能力区域，获取剔除边缘类别样本后的所述动态能力区域；或者用于获取所述动态能力区域；所述第三获取子模块具体用于：定义所述第二能力区域SAMDROCxdkes，j|Xdsel中的第i个样本对应的类别为yi＝classxSMAD，i；若则获取所述剔除边缘类别样本后的所述动态能力区域TAMDROCxdkes，j|Xdsel＝SAMDROCxdkes，j|Xdsel-xSMAD，i；其中，numyi|SAMDROCxdkes，j|Xdsel表示诊断类别yi在所述第二能力区域SAMDROCxdkes，j|Xdsel的类别数；表示所述第二能力区域SAMDROCxdkes，j|Xdsel的样本数；marginrate表示边缘类别样本率；或者若上述获取的动态能力区域的样本数量少于所述预设数量阈值，则取所述第二能力区域的前预设数量阈值的样本组成最终的所述动态能力区域。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。