[发明专利]一种染色体畸变的人工智能识别分析方法

说明书

本发明提供一种染色体畸变的人工智能识别分析方法，方法包括：输入原始历史染色体畸变形态图像数据，按几何图形进行数据标记并作出类型标记，以完成学习训练，将标记后的数据存入数据库中；将要识别的染色体畸变形态目标图像，输入到骨干网络backbone模型，以实现对候选物体位置定位；通过对物体的定位，继续对物体进行分类识别，将处理后的图像输入到局部预选框模型，对目标物体大小不同的实际情况，进行分类识别；根据分类识别后的数据输出染色体畸变形态自动分析结果。现有技术存在自动识别染色体畸变的准确率低的问题，本方法可以解决该问题，使得识别分类的过程全自动化，速度快，准确度高。与人工识别的准确率差异不大。

技术领域

本发明涉及染色体畸变识别领域，特别涉及一种染色体畸变的人工智能识别分析方法。

背景技术

染色体在分裂细胞中可以观察到的一种染色深结构，通常存在球形细胞内，只有在细胞分裂期间(有丝分裂或减数分裂)，才能观察研究染色体。细胞中的染色体数目是恒定的，形态特征是稳定的。染色体畸变是由于染色体断裂，以及断裂末端的重接导致结构畸变，以非法的方式产生异常的染色体长度，着色点位置和遗传组成的新结构，包括：着丝粒、次缢痕、长臂、短臂和随体。鉴于染色体的特征，辐射诱发产生的染色体畸变形态有：无着丝粒断片、微小体、无着丝环、着丝粒环、双着丝粒体(三着丝粒体)、倒位、相互易位。利用人体外周血淋巴细胞离体制备染色体样本，进行染色体畸变分析，是诊断辐射损伤的首选检测方法；广泛用于核电、化工、医院机场，火车站等日常工作中，有放射线接触人员的职业病防护评价和诊断指标。染色体畸变检查由于高度费时和视觉分析的特性，因此需要有专业技能、有经验的医生在显微镜下用肉眼识别、分析中期项(分析细胞)，耗时长、效率低、易漏诊；一个样本分析100个中期项(分析细胞)/天才能完成。

现有自动分析方法，能够基于部分形态清晰的染色体进行识别，正确检出率最高不超过50％，还有50％及以上比例的丢失；同时，分辨的形态主要为双着。其他的类别比如断片、环、微小体等类别，识别效果较更加不理想或不能识别。

现有技术存在自动识别染色体畸变的准确率比上述情况更低的问题。

发明内容

为解决现有技术存在自动识别染色体畸变的准确率低的问题，本发明提供的一种染色体畸变的人工智能识别分析方法，可以解决自动识别染色体畸变的准确率低的问题，使得识别分类的过程全自动化，速度快，准确度高。

第一方面，本申请提供了一种染色体畸变的人工智能识别分析方法，包括：

S100：输入原始历史染色体畸变形态图像数据，按几何图形进行数据标记并作出类型标记，以完成学习训练，将标记后的数据存入数据库中；

S200：将要识别的染色体畸变形态目标图像，输入到骨干网络backbone模型，以实现对候选物体位置定位；

S300：通过S200对物体的定位，继续对物体进行分类识别，将S200处理后的图像输入到局部预选框模型，对目标物体大小不同的实际情况，进行分类识别；

S400：根据分类识别后的数据输出染色体畸变形态自动分析结果。

进一步地，步骤S100之前，进行图像的归一化处理。

进一步地，所述图像的归一化处理包括以下几种方法：

去除图像的背景噪音：先通过高斯滤波去除背景噪音后；再通过低频滤波将噪音水印杂质噪音，最后通过锐化图像并搭配滤波，中值滤波或高斯滤波选其一处理着丝粒不清晰；

图像的背景噪音的处理：经过分析图像值方图，去掉近白色背景的值方图的对应像素，即可去除背景，若有过饱和和欠饱和曝光，则考虑抛弃此图；

图像值方图归一化：拉伸和移动值方图的像素值，把值方图归一化到同一x轴区域范围内；