[发明专利]一种基于人工智能的染色体图像分割方法

说明书

本发明涉及染色体图像处理技术领域，且公开了一种基于人工智能的染色体图像分割方法，包括以下步骤，通过采用高倍镜图像和高倍镜图像的掩膜图像，对搭建的染色体初级分割网络进行训练，得到染色体初级分割模型，获取染色体散型图像的连通域二值化图像，对连通域二值化图像进行分割，得到重叠染色体分割图像，用包含重叠染色体的高倍镜区域图像。该一种基于人工智能的染色体图像分割方法，通过采用高倍镜图像和高倍镜图像的掩膜图像，可进一步提高染色体图像选取的范围精准性，使选取染色体图像内容更加的清晰，方便染色体图像后期的分割更加的精准性，减小了染色体图像分割的误差，提高了染色体图像分割结果的准确性。

技术领域

本发明涉及染色体图像处理技术领域，具体为一种基于人工智能的染色体图像分割方法。

背景技术

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，染色体核型是指一个细胞中的全部染色体按其大小和形状特征顺序排列所构成的图像。人类染色体的分析与识别是染色体遗传分析技术的经典方法，是遗传学科学研究和辅助临床诊断的重要手段之一。人类染色体的自动分割一直是染色体分析与识别的一个难题，由于染色体的柔软性和样本的离散性，染色体的样本中往往存在着各种重叠和粘连现象，使染色体分割变的困难。

染色体图像分割是染色体图像分析的基础，分割的好坏直接影响到后续的分析和其他处理阶段，染色体分割结果不好，将影响染色体分析与识别的准确性。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于人工智能的染色体图像分割方法，具备处理分割结果快，方便染色体分析与识别等优点，解决了染色体分割结果不好，影响染色体分析与识别准确性的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：

一种基于人工智能的染色体图像分割方法，包括以下步骤：

S1、通过采用高倍镜图像和高倍镜图像的掩膜图像，对搭建的染色体初级分割网络进行训练，得到染色体初级分割模型。

S2、获取染色体散型图像的连通域二值化图像，对连通域二值化图像进行分割，得到重叠染色体分割图像，用包含重叠染色体的高倍镜区域图像，得到二级重叠染色体分割模型。

S3、用染色体初级分割模型对高倍镜图像进行初级分割，从初级分割结果中提取染色体样本图像。

S4、获取N个染色体样本图像，以及每一染色体样本图像对应的第一标签图、第二标签图以及第三标签图，其中，第一标签图用于标记染色体样本图像的背景区域，第二标签图用于标记染色体样本图像的的染色体非重叠区域，第三标签图用于标记染色体样本图像的的染色体重叠区域，确定与N个染色体样本图像一一对应的N个染色体训练图像，染色体训练图为携带有对应的第一标签图、第二标签图以及第三标签图的染色体样本图像。

S5、将目标染色体图像输入到预先训练得到的语义分割模型中，获得重叠区域集与非重叠区域集，根据所述第一区域数量确定区域拼接规则，并根据所述区域拼接规则对每一所述初始重叠区域与所述邻接的全部所述初始非重叠区域进行拼接，得到染色体分割图像。

S6、从染色体掩膜图像和高倍镜图像中获取单条染色体的轮廓集、重叠染色体的掩膜图像和包含重叠染色体的高倍镜区域图像，使用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，即为包含重叠染色体的高倍镜区域图像中重叠染色体的最终分割结果。

优选的，所述步骤S2中通过构建权重卷积神经网络模型对所述连通域图像进行二分类。

优选的，所述步骤S4中染色体训练图为携带有对应的第一标签图、第二标签图以及第三标签图的染色体样本图像。