[发明专利]基于机器学习的重叠染色体识别和分割方法

权利要求书

1.基于机器学习的重叠染色体识别和分割方法，其特征在于，包括以下步骤：

针对染色体核型图像进行数据采集，对采集后的所述染色体核型图像进行预处理操作，对预处理后的所述染色体核型图像自动获取染色体轮廓；

对所述自动获取的染色体轮廓提取基于轮廓的关键特征；

所述对预处理后的所述染色体核型图像提取染色体轮廓的关键特征，包括：将所获得染色体轮廓形状拟合成椭圆，计算椭圆短轴长度和长轴长度的比值；将所获得染色体轮廓形状拟合成凸包，计算闭合轮廓的面积和凸包面积的比值；将所获得染色体轮廓形状拟合成多边形，记录多边形的边数；通过上述方法获得染色体轮廓的三种关键特征；

采用所述染色体轮廓图像提取的关键特征训练支持向量机分类器，将染色体识别为重叠黏连染色体和单个染色体；

针对所述识别为重叠黏连染色体，通过寻找凹点和图像分割方法，经过重复分割操作，获得多个新的单个染色体图像；

所述针对所述识别为重叠黏连染色体，通过寻找凹点和图像分割方法，经过重复分割操作，获得多个新的单个染色体图像，包括：获取染色体轮廓的近似凸包，计算凸包的每边到染色体轮廓的距离，将距离最大的两点作为切割的凹点，通过绘制消锯齿的直线，达到分割轮廓的目的，对分割后的轮廓重复上述操作，从重叠黏连染色体中获得多个单个染色体图像；

针对所述识别为单个染色体，经过旋转和填充背景后，获得单个染色体图像；

所述针对所述识别为单个染色体，经过旋转和填充背景后，获得单个染色体图像，包括：计算染色体轮廓的近似矩形包，根据矩形的长宽比确定旋转的近似角度，将单个染色体旋转特定角度，产生的空白部分用黑色填充，获得单个染色体图像。

2.根据权利要求1所述的基于机器学习的重叠染色体识别和分割方法，其特征在于，所述针对染色体核型图像进行数据采集，对采集后的所述染色体核型图像进行预处理操作，对预处理后的所述染色体核型图像自动获取染色体轮廓，包括：从医院信息系统中筛选出符合要求的染色体核型图像，对采集后的所述染色体核型图像依次执行去噪操作和增强操作，对预处理后的所述染色体核型图像自动提取重叠黏连染色体和个体染色体轮廓。

3.根据权利要求2所述的基于机器学习的重叠染色体识别和分割方法，其特征在于，所述对采集后的所述染色体核型图像执行去噪操作，包括：利用中值滤波去除所述染色体核型图像中的随机噪点，采用预设结构的二维滑动模板，将模板内所包含的像素按照像素值的大小进行排序，生成单调上升或下降的为二维数据序列，将模板中心像素的像素值用数据序列的中位数替代，获得去噪图像。

4.根据权利要求2所述的基于机器学习的重叠染色体识别和分割方法，其特征在于，所述对采集后的所述染色体核型图像执行增强操作，包括：使用直方图均衡化以及伽马变换方法对去噪后的图像进行对比度增强，接着计算染色体图像前景灰度，将该灰度下修正后的单一灰度图像与所述对比度增强后的图像进行图像加和运算，获得灰度补正后的增强图像。

5.根据权利要求2所述的基于机器学习的重叠染色体识别和分割方法，其特征在于，所述对预处理后的所述染色体核型图像自动提取重叠黏连染色体和个体染色体轮廓，包括：采用最大类间方差法从所述对预处理后的所述染色体核型图像获得二值图像，通过图像形态学方法连接间断点，通过计算图像连通域自动提取染色体轮廓。

6.根据权利要求1所述的基于机器学习的重叠染色体识别和分割方法，其特征在于，所述采用所述染色体轮廓图像提取的关键特征训练支持向量机分类器，将染色体识别为重叠黏连染色体和单个染色体，包括：对所述染色体轮廓图像进行人工标注，区分重叠黏连和单个染色体；使用上述标注染色体轮廓的三种关键特征训练支持向量机分类器，判定染色体轮廓特征是否满足重叠条件，用以识别重叠黏连染色体和单个染色体。