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！

申请/专利权人：奥明星程(杭州)生物科技有限公司

摘要：本发明公开了一种通过DNN判定癌症良恶性的方法、装置、设备及存储介质。所述通过DNN判定癌症良恶性的方法，包括：通过预设的血液标志物的先验数据训练DNN模型；将待检验的血液标志物的数据输入到训练后的DNN模型进行运算，得到癌症良恶性的判定结果。本申请的技术方案可增强判定癌症良恶性的灵活性和准确性，相较于传统基于图像算法，本申请的技术方案消除了对图像质量的依赖，具有对各种类型的癌症都具有普适性。

主权项：1.一种通过DNN判定癌症良恶性的方法，其特征在于，包括：通过预设的血液标志物的先验数据训练DNN模型；将待检验的血液标志物的数据输入到训练后的DNN模型进行运算，得到癌症良恶性的判定结果；所述训练DNN模型，包括：通过前向传播和反向传播的训练过程，更新所述DNN模型中的隐藏层的权重矩阵和偏置向量，其中，所述前向传播从输入层开始到输出层结束，中间顺序经历多个隐藏层，所述反向传播从输出层开始反向到输入层结束，中间反序经历多个隐藏层；还包括：所述前向传播的激活函数分为隐藏层激活函数和输出层激活函数，所述隐藏层激活函数用于提高DNN模型的训练速度，所述输出层激活函数用于二分类，以表示输出层的结果为良性或恶性；将前向传播的输出层的预测结果与先验数据的真实结果进行对比，计算预测损失，所述预测损失表示DNN模型的输出值与实际值之间的差异；通过所述反向传播，计算每一个隐藏层的所述预测损失对权重矩阵和偏置向量的偏导数，从输出层开始反向到输入层结束，得到每一个隐藏层的梯度；在训练DNN模型之前，还包括：通过RFE从所述预设的血液标志物的先验数据中的N个特征中筛选M个特征，以降低所述先验数据的维度，其中，MN；从所述预设的血液标志物的先验数据中识别出所述N个特征，所述N个特征包括生物标记物的浓度、血细胞计数和激素水平中的任一者或多者；还包括：以所述预测损失的最小化为目标，通过预设的优化算法，调整所述DNN网络的每一个隐藏层的权重矩阵和偏执向量；训练所述DNN模型达到预设的达标次数，所述训练包括前向传播和反向传播的全过程，其中，每训练一次所述DNN模型，更新一次所述DNN模型中的权重矩阵和偏置向量；还包括：对所述DNN模型设置回调机制，当损失函数达到预设的基准线时，早停所述DNN模型的训练，无需完成预设的所述达标次数；当权重矩阵和偏置向量的变化比例低于预设的最小变量比例时，不更改所述权重矩阵和偏置向量的数值；当损失函数未变化的次数达到预设的宽容度时，停止所述DNN模型的训练，以避免过拟合的情况；基于预设的血液标志物的先验测试集，通过分层交叉验证来评估训练后的所述DNN模型，通过AUC评估指标进行校验。

全文数据：

权利要求：

百度查询： 奥明星程(杭州)生物科技有限公司 通过DNN判定癌症良恶性的方法及装置