[发明专利]一种基于深度学习的染色体自动计数方法

摘要

本发明公开了一种基于深度学习的染色体自动计数方法，包括以下步骤：(1)图像收集和预处理步骤；(2)图像分类和回归步骤；(3)模型训练步骤；(4)测试计数步骤，其中，在步骤(2)中采用新的抽样策略，并对Faster R‑CNN模型损失函数进行了改进。本发明所需的数据来源于真实显微镜视野下的G显带染色体，所述方法无需复杂实验过程，成本低廉，耗时更短，能够自动准确完成目标染色体计数。本发明使用1000例标注的染色体图训练模型，随后用175例标注的染色体图做测试，统计显示175例共包含8023条染色体，测试的准确率为98.95％，召回率为98.67％。测试结果显示用机器计数后人工校正的方法完成一份报告的染色体计数所需时间短于目前的1/3。

主权项

1.一种基于深度学习的染色体自动计数方法，所述方法包括以下步骤：(1)图像收集和预处理步骤：收集并标注显微镜下分裂中期细胞真实影像图，标记出染色体的矩形框，并随机划分训练集和测试集，对训练集数据进行预处理和数据扩增；(2)图像分类和回归步骤：以步骤(1)预处理和扩增后数据为基础构建Faster R‑CNN模型进行图像分类和回归，所述模型包括对数据进行粗分类和回归的候选区域提取网络、以及对候选区域提取网络生成的候选框进行细分类和精确回归预测的Fast R‑CNN网络，其中，候选区域提取网络的抽样范围包括困难负例，Fast R‑CNN网络的多任务损失函数为原始Fast R‑CNN的多任务损失函数与截断的归一化排斥损失函数之和；(3)模型训练步骤：使用步骤(2)建立的模型针对训练集数据进行模型训练；(4)测试计数步骤：将测试集数据经过与步骤(1)相同的数据预处理，输入到经过步骤(3)训练后的模型中，获得预测的目标类别和目标计数信息，并以可视化方式输出计数结果。