ADNF聚类：用于白血病预测的自适应动态神经模糊聚类
机器学习
2025-12-01 v2 人工智能
摘要
白血病诊断与监测日益依赖高通量图像数据，但常规聚类方法缺乏灵活性，无法在实时内适应演化中的细胞模式并量化不确定性。我们引入自适应动态神经模糊聚类（Adaptive and Dynamic Neuro-Fuzzy Clustering）——一种新型流式能力框架，结合基于卷积神经网络的特征提取与在线模糊聚类引擎。ADNF通过模糊C均值（Fuzzy C-Means）初始化软聚类，然后利用测量熵演化的模糊时序指数（Fuzzy Temporal Index, FTI）持续更新微聚类中心、密度及模糊性参数。拓扑细化阶段执行密度加权的合并与熵导向的分割，以防过度或不足分割。在C-NMC白血病显微镜数据集上，本工具实现了0.51的轮廓得分，显著优于静态基线的凝聚度和分离度。该方法的自适应不确定性建模与无标签操作，具有 immediate 整合至INFANT儿童肿瘤网络的潜力，使可扩展且及时地支持个性化白血病管理。
引用
@article{arxiv.2506.18396,
title = {ADNF-Clustering: An Adaptive and Dynamic Neuro-Fuzzy Clustering for Leukemia Prediction},
author = {Marco Aruta and Ciro Listone and Giuseppe Murano and Aniello Murano},
journal= {arXiv preprint arXiv:2506.18396},
year = {2025}
}
备注
6 pages, 1 figure