一种染色体图像分割方法技术

本发明专利技术提出一种染色体图像分割方法，涉及染色体图像处理的技术领域，首先获取由第一细胞中期图像组成的第一图像数据集，利用第一图像数据集中的训练集训练构建的旋转目标检测模型，然后将采集的第二细胞中期图像输入训练好的旋转目标检测模型进行检测，再对第二细胞中期图像每条染色体精确定位并紧密覆盖，进一步构建用于从包含多条重叠染色体的语义分割图像中分割出单条染色体的语义分割模型，并利用获取的第二图像数据集的训练集训练语义分割模型，最后联合训练好的旋转目标检测模型和语义分割模型对待检测细胞中期图像进行预测，从而完成多条染色体的分割和提取，有效地提高染色体的分割准确率。染色体的分割准确率。染色体的分割准确率。

【技术实现步骤摘要】
一种染色体图像分割方法


[0001]本专利技术涉及染色体图像处理的
，特别涉及一种染色体图像分割方法。

技术介绍

[0002]在临床诊断中，核型分析是指将待测的细胞的染色体按照该生物固有的染色体形态特征和规定，进行配对、编号和分组，并进行形态分析的过程。基于染色体G显带和显微成像的核型分析的核型分析是诊断遗传症状的重要手段。染色体主要由DNA和蛋白质组成，具有存储和传递遗传信息的作用，染色体的非刚性特质会导致细胞图像中的不同染色体实例之间极其容易发生弯曲、相互重叠和粘连，形成各种各样的结构，使得完整染色体的准确分割提取成为最复杂的环节之一，给临床医生的工作造成了极大的困扰，因此，专利技术一种高效的染色体自动分割分析方法迫在眉睫。
[0003]目前，染色体的分割方法通常由临床专业人员手动从无序的原始显微照片中准确提取每条染色体，染色体分割结果的好坏取决于临床专业人员的经验和专业知识，对临床专业人员专业技术要求高，并且在染色体分割过程容易受到主观因素和疲劳因素的影响，导致分割操作失误。现有技术中公开了一种染色体分割方法，首先染色体初级分割模型采用定向检测框提取包含重叠染色体的掩膜图像，然后利用训练完成的二级重叠染色体分割模型对包含重叠染色体的高倍镜区域图像中的重叠染色体进行二级分割，得到只包含重叠染色体中的单条染色体的掩膜图像，但细胞分裂中期的染色体通常以不同方向的可弯曲条状的形态出现，采用定向检测框提取包含重叠染色体的掩膜图像是无法对中期细胞图像中的每条染色体进行精确定位和紧密覆盖，且提取的掩膜图像会包含非目标染色体或残缺的染色体，很难从包含非目标染色体或残缺的染色体的图像中精确地分割出单条染色体，从而导致对染色体的分割准确率降低。

技术实现思路

[0004]为解决在当前染色体分割方法中，染色体分割准确率不高的问题，本专利技术提出一种染色体图像分割方法，能够精确定位并识别染色体图像中的每条染色体，捕获染色体图像中任意方向的染色体信息，有效地提高染色体的分割准确率。
[0005]为了达到上述技术效果，本专利技术的技术方案如下：
[0006]一种染色体图像分割方法，包括以下步骤：
[0007]S1.获取一定数量的第一细胞中期图像，组成第一图像数据集；
[0008]S2.对第一图像数据集中的第一细胞中期图像进行预处理；
[0009]S3.构建用于捕获第一细胞中期图像中任意方向染色体的旋转目标检测模型；
[0010]S4.将第一图像数据集划分为训练集、验证集和测试集，利用训练集对构建的旋转目标检测模型进行训练，然后利用验证集对训练过程中的旋转目标检测模型进行评估，并利用测试集测试旋转目标检测模型的有效性，得到训练好的旋转目标检测模型；
[0011]S5.采集第二细胞中期图像，将第二细胞中期图像输入训练好的旋转目标检测模
型，对第二细胞中期图像中每条染色体进行定位和覆盖，输出语义分割图像，组成第二图像数据集；
[0012]S6.对第二图像数据集中的语义分割图像进行预处理；
[0013]S7.构建用于从包含多条重叠染色体的语义分割图像中分割出单条染色体的语义分割模型；
[0014]S8.将第二图像数据集划分为训练集、验证集和测试集，利用训练集对构建的语义分割模型进行训练，然后利用验证集对训练过程中的语义分割模型进行评估，并利用测试集测试语义分割模型的有效性，得到训练好的语义分割模型；
[0015]S9.采集待检测细胞中期图像，将待检测细胞中期图像输入训练好的旋转目标检测模型，输出第四细胞中期图像，将第四细胞中期图像输入语义分割模型，输出待检测细胞中期图像中单条染色体的分割结果。
[0016]在本技术方案中，首先获取由第一细胞中期图像组成的第一图像数据集，利用第一图像数据集中的训练集训练构建的旋转目标检测模型，然后将采集的第二细胞中期图像输入训练好的旋转目标检测模型进行检测，再对第二细胞中期图像每条染色体精确定位并紧密覆盖，捕获第一细胞中期图像中任意方向染色体，同时也能有效地定位并识别包含两条以上的重叠染色体簇中的每条染色体，进一步构建用于从包含多条重叠染色体的语义分割图像中分割出单条染色体的语义分割模型，并利用获取的第二图像数据集的训练集训练语义分割模型，最后联合训练好的旋转目标检测模型和语义分割模型对待检测细胞中期图像进行预测，从而完成多条染色体的分割和提取，有效地提高染色体的分割准确率。
[0017]优选地，在步骤S2中，对第一图像数据集中的第一细胞中期图像进行预处理的具体过程为：
[0018]S21.利用有向包围框人工标注第一图像数据集中的第一细胞中期图像，将第一细胞中期图像中每条染色体紧密覆盖，得到的第一细胞中期图像的标签图像；
[0019]S22.设S21中第一细胞中期图像的标签图像的初始角度θ，将第一细胞中期图像中的标签图像的角度由初始角度θ开始，按逆时针或顺时针方向，以ω为旋转角度变化量，进行若干次的旋转，直至旋转后的第一细胞中期图像的标签图像的角度为180
°
。
[0020]优选地，在步骤S3中，所述旋转目标检测模型采用Oriented RepPoints网络，Oriented RepPoints网络利用自适应点学习方法进行旋转的目标图像检测。
[0021]优选地，在S4所述的旋转目标检测模型训练的过程中，利用随机梯度下降的方式更新旋转目标检测模型的网络参数和权重。
[0022]优选地，利用训练好的旋转目标检测模型预测并保存有向包围框内的图像的内容。
[0023]优选地，在步骤S6中，第二图像数据集中的语义分割图像进行预处理的具体步骤为：
[0024]S61.将语义分割图像采样至同一尺寸；
[0025]S62.利用labelme软件人工标注统一尺寸后的语义分割图像；
[0026]S63.将S62标注的语义分割图像的格式统一采样至json格式；
[0027]S64.将json格式的图像转化为对应的掩码图像。
[0028]优选地，在步骤S62中，语义分割图像中的染色体标签标记为1，除语义分割图像中
的染色体之外的图像背景部分标记为0。
[0029]优选地，在步骤S7中，所述语义分割模型采用基于双重注意力机制的多尺度NestedUNet网络，所述基于双重注意力机制的多尺度NestedUNet网络为编码器
‑
解码器结构。
[0030]优选地，选取预训练的ResNet50网络作为编码器的主干网络。
[0031]优选地，所述多尺度NestedUNet网络设有第一残差块、第二残差块、第三残差块、第一ASPP模块和第二ASPP模块，所述第一残差块、第二残差块、第三残差块，第一ASPP模块和第二ASPP模块依次连接，第一残差块与第二残差块之间、第二残差块与第三残差块之间、第三残差块与第一ASPP模块之间、第一ASPP模块与第二ASPP模块之间均设有一个CBAM模块，第一残差块、第二残差块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种染色体图像分割方法，其特征在于，包括以下步骤：S1.获取一定数量的第一细胞中期图像，组成第一图像数据集；S2.对第一图像数据集中的第一细胞中期图像进行预处理；S3.构建用于捕获第一细胞中期图像中任意方向染色体的旋转目标检测模型；S4.将第一图像数据集划分为训练集、验证集和测试集，利用训练集对构建的旋转目标检测模型进行训练，然后利用验证集对训练过程中的旋转目标检测模型进行评估，并利用测试集测试旋转目标检测模型的有效性，得到训练好的旋转目标检测模型；S5.采集第二细胞中期图像，将第二细胞中期图像输入训练好的旋转目标检测模型，对第二细胞中期图像中每条染色体进行定位和覆盖，输出语义分割图像，组成第二图像数据集；S6.对第二图像数据集中的语义分割图像进行预处理；S7.构建用于从包含多条重叠染色体的语义分割图像中分割出单条染色体的语义分割模型；S8.将第二图像数据集划分为训练集、验证集和测试集，利用训练集对构建的语义分割模型进行训练，然后利用验证集对训练过程中的语义分割模型进行评估，并利用测试集测试语义分割模型的有效性，得到训练好的语义分割模型；S9.采集待检测细胞中期图像，将待检测细胞中期图像输入训练好的旋转目标检测模型，输出第四细胞中期图像，将第四细胞中期图像输入语义分割模型，输出待检测细胞中期图像中单条染色体的分割结果。2.根据权利要求1所述的染色体图像分割方法，其特征在于，在步骤S2中，对第一图像数据集中的第一细胞中期图像进行预处理的具体过程为：S21.利用有向包围框人工标注第一图像数据集中的第一细胞中期图像，将第一细胞中期图像中每条染色体紧密覆盖，得到的第一细胞中期图像的标签图像；S22.设S21中第一细胞中期图像的标签图像的初始角度θ，将第一细胞中期图像中的标签图像的角度由初始角度θ开始，按逆时针或顺时针方向，以ω为旋转角度变化量，进行若干次的旋转，直至旋转后的第一细胞中期图像的标签图像的角度为180
°
。3.根据权利要求2所述的染色体图像分割方法，其特征在于，在步骤S3中，所述旋转目标检测模型采用Orient...

【专利技术属性】
技术研发人员：李绍新，张延娇，
申请(专利权)人：广东医科大学，
类型：发明
国别省市：