[发明专利]一种基于深度学习的染色体分裂相图像质量评价方法

说明书

本发明公开了一种基于深度学习的染色体分裂相图像质量评价方法，属于染色体图像处理技术领域。本发明通过深度学习模型，能够对染色体分裂相图像进行质量打分，能够较为准确的评价染色体图像的图像质量，对不同类型的染色体分裂相图像评价具有较强的鲁棒性，提高了医生操作的效率。本发明能够对染色体分裂相图像质量进行准确、高效评价，能够有效提升染色体分裂相图像的评价以及挑选效率，缩短染色体分裂相图像的筛选时间，进而能够有效减轻医生的工作负担，并且不受外界干扰，工序简洁、合理，可向外大规模推广应用，部署简单。

技术领域

本发明涉及一种基于深度学习的染色体分裂相图像质量评价方法，属于染色体图像处理技术领域。

背景技术

染色体分析诊断的第一步是从约200张染色体分裂相图像中挑选条带最好的30张，一般认为条带越长越好，越清晰越好，越离散越好，用此30张分裂相进行下一步的计数分析等操作。

现有的常规做法是将200张图片全部交给医务工作者，肉眼逐个观察染色体分裂相图像，通过识别染色体的一些基本特征，例如长度、方差、离散度去大致评估一张染色体分裂相的图像质量，但此方法误差较大，误判几率较大。同时整个评价流程时间周期较长，评价效率低。并且人工识别，主观性很强，很容易受外界环境影响，进一步影响染色体分裂相图像质量评价准确率。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种能够对染色体分裂相图像进行质量打分的深度学习模型，该模型能够较为准确的评价染色体图像的图像质量，进而便于图像挑选；并且对不同类型的染色体分裂相图像评价具有较强的鲁棒性，提高了图像质量评价效率，同时能够有效减轻医生的工作负担，不受外界干扰的基于深度学习的染色体分裂相图像质量评价方法。

为实现上述目的，本发明的技术方案为：

一种基于深度学习的染色体分裂相图像质量评价方法，

包括以下步骤：

第一步，得到染色体分裂相图像；

第二步，对染色体分裂相进行基本的图像处理；

对输入图像进行标准化处理，使得图像输入尽可能标准一致；

第三步，建立深度学习模型，

该模型是端到端的模型，即输入染色体分裂相图像，能够输出评价分数；

第四步，基于深度学习模型对染色体分裂相图像进行图像质量打分；

根据染色体分裂相图像分数档位，通过深度学习模型的分类器，对待评价的染色体分裂相图像进行分数档位识别；输出相应档位的预测概率；

进而得到该染色体分裂相图像的质量分数。

本发明通过深度学习模型，能够对染色体分裂相图像进行质量打分，能够较为准确的评价染色体图像的图像质量，对不同类型的染色体分裂相图像评价具有较强的鲁棒性，提高了医生操作的效率。

本发明能够对染色体分裂相图像质量进行准确、高效评价，能够有效提升染色体分裂相图像的评价以及挑选效率，缩短染色体分裂相图像的筛选时间，进而能够有效减轻医生的工作负担，并且不受外界干扰，工序简洁、合理，可向外大规模推广应用，部署简单。

作为优选技术措施：

第二步，具体包括以下步骤：

a)将染色体图像沿着最长的轴放大/缩小至bs个pixel；另一个轴等比例的放大；

b)对放大的图像不足bs个pixel的轴，填充白色像素至轴长度为bs；

训练深度学习神经网络前，对图像进行旋转、翻转数据增强操作；