公开(公告)号：CN109360604B

公开(公告)日：2021-09-24

申请号：CN201811389851.4

申请日：2018-11-21

Applicant: 南昌大学

Inventor： 邓立彬 ,  王豪庆 ,  梁博文 ,  王紫璇 ,  杨霭琳 ,  傅芬 ,  汤晓丽

IPC: G16B20/20 ,  G16B5/00 ,  G06N3/08

Abstract: 本发明提供了一种卵巢癌分子分型预测系统，主要包括以下步骤：步骤1，卵巢癌mRNA基因表达特征数据提取模块：获取卵巢癌基因表达数据；步骤2，对所有基因表达数据使用skleam中preprocessing.scale方法进行标准化处理，根据公式Z‑scroce＝(x‑μ)/S2，将每张mRNA表达谱数据处理成均值为0，方差为1的服从正态分布的数据；步骤3，选择主要特征基因数据：运用主成分分析(PCA)及Filter特征选择法；步骤4，使用BP神经网络对N个特征的基因数据训练模型；步骤5，使用一定量样本进行回带程序验证，本发明能够凭借卵巢癌病理切片实现机器自动识别及报错，实现了快速且准确率高的卵巢癌分子分型预测；利用本发明系统进行卵巢癌分子分型预测，能更好的帮助临床治疗方案的完善。

公开(公告)号：CN109360604A

公开(公告)日：2019-02-19

申请号：CN201811389851.4

申请日：2018-11-21

Applicant: 南昌大学

Inventor： 邓立彬 ,  王豪庆 ,  梁博文 ,  王紫璇 ,  杨霭琳 ,  傅芬 ,  汤晓丽

IPC: G16B20/20 ,  G16B5/00 ,  G06N3/08

Abstract: 本发明提供了一种卵巢癌分子分型预测系统，主要包括以下步骤：步骤1，卵巢癌mRNA基因表达特征数据提取模块：获取卵巢癌基因表达数据；步骤2，对所有基因表达数据使用skleam中preprocessing.scale方法进行标准化处理，根据公式Z-scroce＝(x-μ)/S2，将每张mRNA表达谱数据处理成均值为0，方差为1的服从正态分布的数据；步骤3，选择主要特征基因数据：运用主成分分析(PCA)及Filter特征选择法；步骤4，使用BP神经网络对N个特征的基因数据训练模型；步骤5，使用一定量样本进行回带程序验证，本发明能够凭借卵巢癌病理切片实现机器自动识别及报错，实现了快速且准确率高的卵巢癌分子分型预测；利用本发明系统进行卵巢癌分子分型预测，能更好的帮助临床治疗方案的完善。