The invention discloses a chromosome sorting method based on strip recognition, which belongs to the technical field of chromosome image processing. The existing chromosome sorting methods are easy to be disturbed due to artificial recognition, which leads to low accuracy of selection and arrangement, and affects doctors' comparison of their structures. The invention comprises the following steps: the first step is to obtain the chromosome karyotype map; the second step is to cut the chromosome of the karyotype map, cut out a number of chromosome images, and identify the chromosome type; the third step is to extract multiple images of the same chromosome, and identify the chromosome strip type based on the intelligent algorithm model; the fourth step is to divide several chromosome images, and then dye them according to their color Color bar type changes to sort. The invention can predict the type of the stripe of the chromosome image, and then accurately recognize the number of the chromosome stripe, and reasonably arrange according to the number of the chromosome stripe, so as to facilitate doctors to observe the chromosome structure, effectively reduce doctors' burden, save time and labor.
【技术实现步骤摘要】
一种基于条带识别的染色体排序方法
本专利技术涉及一种基于条带识别的染色体排序方法，属于染色体图像处理
技术介绍
近代细胞遗传学表明，在人体各组织中，虽然细胞的各种成分不同，结构差异巨大，但细胞核内的染色质却保持相对恒定。在体细胞分裂中，46条染色体有规律地进行复制，然后均等地分给两个子细胞，所以两个子细胞都保持了相同的46染色体。在细胞培养过程中，常见的染色体条带模型有300、400、550、700和800条带，其中条带越多表示染色体结构特征越详细。现有的染色体排序方法，医生需要挑选多张分散良好、长度适中、带型清晰的中期分裂相图片，并对这些图片进行逐一计数，并对最好的几张中期分裂相图片进行排列识别，便于医生观察染色体结构，并进行对比分析。上述排序方法，存在以下不足：第一、需要人工挑选以及手工排列染色体核型图，检测方法效率低，费时费力；第二、由于人工识别，主观性比较强，容易受到干扰，导致挑选、排列的准确度低，影响医生对其结构的对比以及观察。
技术实现思路
针...
【技术保护点】
1.一种基于条带识别的染色体排序方法，其特征在于，包括以下步骤：/n第一步，得到染色体核型图；/n第二步，对核型图进行染色体切割，切割出若干染色体图像，并识别染色体类型；/n第三步，提取多张同号染色体的图像，基于智能算法模型识别染色体条带类型；/n利用智能算法模型，对不同染色体图像，分别预测其所属条带类型的概率值；/n然后根据概率值的大小，判断该染色体图像所属条带类型，完成染色体图像的划分；/n第四步，对划分完成的若干染色体图像，按照其染色体条带类型变化进行排序。/n
【技术特征摘要】
1.一种基于条带识别的染色体排序方法，其特征在于，包括以下步骤：
第一步，得到染色体核型图；
第二步，对核型图进行染色体切割，切割出若干染色体图像，并识别染色体类型；
第三步，提取多张同号染色体的图像，基于智能算法模型识别染色体条带类型；
利用智能算法模型，对不同染色体图像，分别预测其所属条带类型的概率值；
然后根据概率值的大小，判断该染色体图像所属条带类型，完成染色体图像的划分；
第四步，对划分完成的若干染色体图像，按照其染色体条带类型变化进行排序。
2.如权利要求1所述的一种基于条带识别的染色体排序方法，其特征在于，
所述智能算法模型为模拟退火或/和遗传算法或/和神经网络或/和深度学习模型；
所述染色体条带类型根据条带数进行划分，所述条带数为300或400或550或700或800；
根据染色体条带类型的识别结果，按照300、400、550、700和800条带数的顺序，对同号染色体图像进行排序，使得在观察特征的时候能够从少到多查看同一号染色体的特征。
3.如权利要求1所述的一种基于条带识别的染色体排序方法，其特征在于，
所述第二步：
染色体核型图切割主要基于连通域分割和骨架提取的方式进行分割，通过连通域分析提取简单的单条染色体后，剩下的交叉染色体进行骨架提取和骨架分析寻找可能的分割点，通过分割点实现交叉染色体的分割；
其包括以下情形：
(1)单条染色体与交叉染色体的分离；计算出平均染色体面积与单条染色体最大面积，然后通过对染色体前景部分进行连通域分析，提取出各个连通域的图像，进行闭操作与中值滤波后分析骨架，根据骨架的不同将该连通域分别归类为单条染色体与交叉染色体；
(2)粘连交叉染色体的自动分割；对于交叉染色体再进行连通域分析，通过骨架分析等操作寻找切割点进行切割，切割出的染色体放入单条染色体类别中，其他染色体等待进一步自动切割；
(3)交叉染色体的进一步切割；对于剩余的交叉染色体，利用分离重叠染色体的方法进行进一步切割，然后对结果进行保存。
4.如权利要求3所述的一种基于条带识别的染色体排序方法，其特征在于，
对染色体进行切割前，需进行图像预处理；
其具体包括以下步骤：第一步，首先对图像背景统一为白色，然后对图像进行直方图均衡、去核、去除杂质；
第二步，对图像进行自适应阈值分割，分离出前景与背景；再对前景进行一系列形态学操作与连通域分析，去除染色体随体部分。
5.如权利要求2所述的一种基于条带识别的染色体排序方法，其特征在于，
利用深度学习模型预测其所属条带类型的概率值，具体包括以下步骤：
S1，建立模型结构：主干网络模型基于ResNet残差网络结构；
S2，通过使用残差学习ResidualLearning的方式，能够极大提高模型抽取特征的有效性，而且能够在避免过拟合训练样本集的情况下，构建深层次的网络，提高模型的准确率；本模型的深度为：hs层；
S3，模型的分类器采用的是MLP多层感知器网络；采取该网络的要点在于能够构建一个端到端end-to-end网络，而无需单独基于特征再训练一个SVM分类器；本模型使用了1个MLP分类器，针对当前染色体的条带数目等级进行识别；
识别分类器的神经元参数构成为：(ms)*3，对应三种等级的条带数目类别，其中ms是来源于对残差网络提取的最后ms个特征的全局pooling池化；
S4，对于MLP的分类器神经元参数设置；
S5，模型的损失函数LossFunction设置为交叉熵函数Cross-EntropyLoss，整个函数是对概率值取了负对数，便于求解其最小值；
S6，深度学习模型的训练时，使用ADAM优化器。
6.如权利要求5所述的一种基于条带识别的染色体排序方法，其特征在于，
所述S5，交叉熵函数定义的数学表达式如下：
其中，exp(x)为exponential的缩写，即为指数函数ex；x为MLP分类器输出的结果向量，Ncls为需要预测的分类总类别数；对于染色体条带数目的等级类型分类，x维度为3维，Ncls＝3；j为计数下标，用于累加x向量中每个元素x[j]；
t为真实的金标准标签，对于类别分类，其值在0-2之间，代表300条带、400条带、500条带。
7.如权利要求6所述的一种基于条带识别的染色体排序方法，其特征在于，
把图像输入深度学习模型之前，对染色体图像进行基本处理，其包括以下步骤：
a)将染色体图像沿着最长的轴放大至bs个pixel；另一个轴等比例的放大；
b)对放大的图像填充白色像素；
c)训练深度网络前，对图像进行旋转、翻转，进行数据增强操作；
d)对所有输入图像进行归一化处理，使得图像输入尽可能标准一致，网络训练更容易收...
【专利技术属性】
技术研发人员：宋宁，吴朝玉，马伟旗，沈晓明，
申请(专利权)人：杭州德适生物科技有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。