一种染色体图像处理方法及系统技术方案

技术编号:32830893 阅读:11 留言:0更新日期:2022-03-26 20:43
本发明专利技术涉及染色体分析技术领域,提出一种染色体图像处理方法及系统,包括以下步骤:获取染色体原始图像和带纹清晰的染色体图像,得到原始图像集和清晰染色体图像集;对图像集进行预处理,并划分为训练集和测试集;构建基于循环对抗生成网络的染色体图像转换模型;将训练集和测试集分别输入染色体图像转换模型中进行训练及测试;获取目标设备或系统历史的染色体原始图像并加入原始图像集中,再对更新后的图像集进行预处理及训练集和测试集的划分;通过更新后的训练集和测试集对染色体图像转换模型进行训练及测试,再将经过训练的染色体图像转换模型搭载在目标设备或系统中,对目标设备或系统实时获取的染色体原始图像转换为带纹清晰的染色体图像。带纹清晰的染色体图像。带纹清晰的染色体图像。

【技术实现步骤摘要】
一种染色体图像处理方法及系统


[0001]本专利技术涉及染色体分析
,更具体地,涉及一种染色体图像处理方法及系统。

技术介绍

[0002]染色体核型分析是染色体异常疾病诊断的重要标准。染色体核型分析的主要流程是采集羊水、外周血、骨髓,经过细胞培养、染色、制片得到染色体中期样本,再经数码拍照得到染色体中期图像,最后对染色体中期图像进行分析。在分析染色体中期图像的核型时,干净且带纹清晰的图像是得到准确分析结果的前提。
[0003]但是,染色体中期图像处理没有统一标准,目前商用的染色体核型分析系统或设备(徕卡、蔡司、ASI设备)均采用自主研发的专用处理算法,导致不同的染色体核型分析系统所产生的染色体中期图像具有一定的差异性。此外,在临床工作中,不同的医疗检测机构在培养、制片、拍照等环节中也存在差异性,多种因素导致不同中心的染色体中期图像存在较大差异。这些图像上的差异导致自动化算法对于多中心图像的普适性较差,进而影响染色体核型自动化分析的准确率。

技术实现思路

[0004]本专利技术为克服上述现有技术所述的不同的染色体核型分析系统所产生的染色体中期图像具有一定的差异性,导致影响染色体核型自动化分析的准确率的缺陷,提供一种染色体图像处理方法,以及一种染色体图像处理系统。
[0005]为解决上述技术问题,本专利技术的技术方案如下:
[0006]一种染色体图像处理方法,包括以下步骤:
[0007]从现有数据中获取染色体原始图像和带纹清晰的染色体图像,得到原始图像集X和清晰染色体图像集Y;
[0008]对所述原始图像集X和清晰染色体图像集Y进行预处理,并划分为训练集和测试集;其中训练集中包括染色体原始图像和带纹清晰的染色体图像,测试集中包括染色体原始图像;
[0009]构建基于循环对抗生成网络的染色体图像转换模型;
[0010]将所述训练集输入染色体图像转换模型中进行训练;将所述测试集输入完成训练的染色体图像转换模型中,输出得到与输入图像对应的带纹清晰的染色体图像;
[0011]获取目标设备或系统历史的染色体原始图像并加入原始图像集中,再对更新后的图像集进行预处理及训练集和测试集的划分;
[0012]通过更新后的训练集和测试集对所述染色体图像转换模型进行训练及测试,再将经过训练的染色体图像转换模型搭载在目标设备或系统中,对目标设备或系统实时获取的染色体原始图像转换为带纹清晰的染色体图像。
[0013]进一步的,本专利技术还提出了一种染色体图像处理系统,应用上述染色体图像处理
方法。其中包括:
[0014]采集模块,用于采集染色体原始图像和带纹清晰的染色体图像;
[0015]预处理模块,用于对采集的染色体原始图像和带纹清晰的染色体图像进行归一化处理,得到经过预处理的原始图像集X和清晰染色体图像集Y;
[0016]染色体图像转换模块,包括染色体图像转换模型,所述染色体图像转换模型通过所述原始图像集X和清晰染色体图像集Y进行训练;
[0017]所述染色体图像转换模块用于对输入的染色体原始图像进行图像转换,输出对应的带纹清晰的染色体图像。
[0018]进一步的,本专利技术还提出了一种染色体图像处理系统,其中包括处理器和存储器,其中存储器上存储有计算机程序,所述处理器执行存储器中的计算机程序时实现上述任一技术方案提出的染色体图像处理方法的步骤。
[0019]与现有技术相比,本专利技术技术方案的有益效果是:本专利技术通过构建基于循环对抗生成网络的染色体图像转换模型用于对染色体图像进行清晰化转换,得到染色体核型分析流程所需的统一输入;经过本专利技术对不同设备、不同中心数据进行染色体图像处理后,用同一套核型分析流程便能够兼顾处理不同中心、不同设备的数据,具有泛化性能好,通用性强的特点。
附图说明
[0020]图1为实施例1的染色体图像处理方法的流程图。
[0021]图2为实施例1的染色体图像处理方法接入新的目标设备或系统的迭代示意图。
[0022]图3为接入ASI设备的图像转换对比图。
[0023]图4为接入蔡司设备的图像转换对比图。
[0024]图5为接入徕卡设备的图像转换对比图。
[0025]图6为实施例3的染色体图像处理系统的架构图。
具体实施方式
[0026]附图仅用于示例性说明,不能理解为对本专利的限制;
[0027]对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
[0028]下面结合附图和实施例对本专利技术的技术方案做进一步的说明。
[0029]实施例1
[0030]请参阅图1~2,本实施例提出一种染色体图像处理方法,其包括以下步骤:
[0031]步骤1:从现有数据中获取染色体原始图像和带纹清晰的染色体图像,得到原始图像集X和清晰染色体图像集Y。
[0032]步骤2:对原始图像集X和清晰染色体图像集Y进行预处理,并划分为训练集和测试集;其中训练集中包括染色体原始图像和带纹清晰的染色体图像,测试集中包括染色体原始图像。
[0033]在一具体实施过程中,对图像进行预处理的步骤包括:将图像进行边缘扩充为预设尺寸的图像,再对边缘扩充后的图像内容进行填充,得到统一尺寸的图像,实现图像的归
一化处理,同时不改变染色体形状以及分辨率,便于后续的模型训练。
[0034]步骤3:构建基于循环对抗生成网络的染色体图像转换模型。
[0035]本实施例采用基于循环对抗生成网络的染色体图像转换模型对原始图像进行图像转换,得到带纹清晰的染色体图像。
[0036]本实施例提出的染色体图像转换模型中,包括第一生成器、第二生成器、第一判别器和第二判别器。
[0037]步骤4:将训练集输入染色体图像转换模型中进行训练;再将测试集输入完成训练的染色体图像转换模型中,输出得到与输入图像对应的带纹清晰的染色体图像。
[0038]在染色体图像转换模型的训练过程中,第一生成器根据输入的染色体原始图像x生成相应的带纹清晰的图像G(x),其中x∈X;第一判别器将第一生成器生成的图像G(x)从清晰染色体图像集Y中判别,得到原始图像集X在清晰染色体图像集Y中的映射,且存在一个最佳的映射使图像G(x)与清晰染色体图像集Y 具有相同的分布。
[0039]第二生成器根据输入的带纹清晰的染色体图像y生成图像G(y),其中y∈Y;第二判别器将第二生成器生成的图像G(y)从原始图像集X中判别,得到清晰染色体图像集Y在原始图像集X中的映射,且存在一个最佳的映射使图像G(y)与原始图像集X具有相同的分布。
[0040]本实施例中的染色体图像转换模型通过计算循环一致性损失和对抗损失,实现非成对图像到图像的转换。其中,生成器和判别器的组合用于生成映射X

Y 及映射Y

X,即学习带纹清晰的染色体图像与设备产生的染色体图像之间的映射,从而实现设备产生的染色体图像转换为带纹本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种染色体图像处理方法,其特征在于,包括以下步骤:从现有数据中获取染色体原始图像和带纹清晰的染色体图像,得到原始图像集X和清晰染色体图像集Y;对所述原始图像集X和清晰染色体图像集Y进行预处理,并划分为训练集和测试集;其中训练集中包括染色体原始图像和带纹清晰的染色体图像,测试集中包括染色体原始图像;构建基于循环对抗生成网络的染色体图像转换模型;将所述训练集输入染色体图像转换模型中进行训练;将所述测试集输入完成训练的染色体图像转换模型中,输出得到与输入图像对应的带纹清晰的染色体图像;获取目标设备或系统历史的染色体原始图像并加入原始图像集中,再对更新后的图像集进行预处理及训练集和测试集的划分;通过更新后的训练集和测试集对所述染色体图像转换模型进行训练及测试,再将经过训练的染色体图像转换模型搭载在目标设备或系统中,对目标设备或系统实时获取的染色体原始图像转换为带纹清晰的染色体图像。2.根据权利要求1所述的染色体图像处理方法,其特征在于,构建的基于循环对抗生成网络的染色体图像转换模型包括第一生成器、第二生成器、第一判别器和第二判别器;将所述训练集输入染色体图像转换模型中进行训练时,其步骤包括:所述第一生成器根据输入的染色体原始图像x生成相应的带纹清晰的图像G(x),其中x∈X;所述第一判别器将第一生成器生成的图像G(x)从清晰染色体图像集Y中判别,得到原始图像集X在清晰染色体图像集Y中的映射,且存在一个最佳的映射使图像G(x)与清晰染色体图像集Y具有相同的分布;所述第二生成器根据输入的带纹清晰的染色体图像y生成图像G(y),其中y∈Y;所述第二判别器将第二生成器生成的图像G(y)从原始图像集X中判别,得到清晰染色体图像集Y在原始图像集X中的映射,且存在一个最佳的映射使图像G(y)与原始图像集X具有相同的分布。3.根据权利要求2所述的染色体图像处理方法,其特征在于,还包括以下步骤:采用误差函数对所述染色体图像转换模型的输出进行误差计算,并根据所述误差函数值对所述染色体图像转换模型的参数进行调整。4...

【专利技术属性】
技术研发人员:李卫鹭
申请(专利权)人:易构智能科技广州有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1