[发明专利]一种中期分裂相染色体区域搜寻方法及装置

说明书

本发明提出了一种中期分裂相染色体区域搜寻方法及装置，涉及医学图像技术领域，涉及医学图像技术领域，该中期分裂相染色体区域搜寻方法包括如下过程：采集分裂期细胞图像；将裁剪后的分裂期细胞图像输入深度卷积网络；由网络自动地完成特征提取过程，并进一步对不同层次的特征进行融合；在多个层次下产生中期分裂相染色体区域预测结果。本申请提出的技术方案能够提高中期分裂相染色体区域搜寻的效率和准确性，且能够适用于不同拍摄环境下的图像。

技术领域

本申请涉及医学图像技术领域，尤其涉及一种中期分裂相染色体区域搜寻方法及装置。

背景技术

染色体核型分析是一种普遍且重要的医学临床诊断方法。根据核型分析的图表结果，可以观察出染色体的变异现象，从而诊断出各种遗传疾病。在进行染色体核型分析时，通常需要从大量的染色体细胞图像中，筛选出一定数量的中期分裂相染色体区域图像。如果这一过程全部由遗传科医生手动完成，会耗费大量的时间，而且容易受到医生的主观判断的干扰，影响核型分析结果的质量和准确性。

针对中期分裂相染色体区域搜寻过程中存在的各种问题，出现了许多自动化的搜寻方法。已有的搜寻方法一般分为两个阶段。首先，从放大率为10倍的低分辨率细胞玻片扫描图像中，寻找可能存在中期分裂相染色体的候选区域，称为检测阶段。然后，对于得到的候选区域，获得放大率为100倍的高分辨率图像，完成对每个候选区域进行分类，称为选择阶段。这类方法在检测阶段一般使用传统的图像阈值化分割方法，涉及对原始图像的直方图均衡，调整图像的灰度级，使用大津阈值分割算法等过程，得到染色体候选区域。而在选择阶段，则需要手工的特征设计和提取过程，然后通过各种分类器、神经网络等对候选区域进行分类，得到中期分裂相染色体区域的搜寻结果。已有的中期分裂相染色体搜寻方法，并没有实现真正的自动化，其中涉及一些人工干预的过程。检测阶段图像的阈值化分割过程，需要设置阈值等参数，对于不同来源的图像数据的适应能力较差。而选择阶段依赖于手工的特征提取过程，分类结果的质量取决于特征设计的有效性，存在一定的主观因素干扰。即使有方法尝试了使用深度学习等方法来改善选择阶段的分类过程，仍然需要由深度网络对每个候选区域进行分类，执行效率较低。而且，这些方法将检测阶段和选择阶段划分为两个独立的过程，忽视了二者之间的联系，一定程度上影响了检测结果的质量。

发明内容

本申请所要解决的技术问题在于，针对现有技术的上述不足，提出一种中期分裂相染色体区域搜寻方法及装置，能够提高中期分裂相染色体区域搜寻的效率和准确性，且能够适用于不同拍摄环境下的图像。

该中期分裂相染色体区域搜寻方法包括：

步骤S1，采集分裂期细胞图像；

步骤S2，将分裂期细胞图像裁剪为具有相同尺寸大小的多个子图像；

步骤S3，将子图像输入深度卷积网络以获得尺寸不同的多个层次的特征图；

步骤S4，将从子图像中提取的特征图进行特征融合，以获得三个层次上的融合特征图；

步骤S5，在三个层次的融合特征图上每个像素位置上设置三种尺寸的锚框；每一层次的融合特征图使用的锚框尺寸相同；

步骤S6，在三个层次上的融合特征图上分别构建一个预测头部网络，并根据锚框生成预测输出；其中，预测输出包含：预测框的框回归参数和预测框内包含有中期分裂相染色体区域的置信度；

步骤S7，根据预测输出确定预测框的位置和大小；

步骤S8，将预测框映射到整张分裂期细胞图像上；

步骤S9，去除重叠预测框和置信度低于阈值的预测框，以产生最终的中期分裂相染色体区域搜寻结果。