[发明专利]基于深度学习的染色体识别方法、装置和计算机设备

说明书

本申请涉及一种基于深度学习的染色体识别方法、装置、计算机设备和存储介质。所述方法包括：获取待识别染色体图像；将待识别染色体图像输入至训练好的神经网络模型中，提取待识别染色体图像中的染色体形态学图像特征，得到特征图；对特征图进行多尺度卷积处理，得到不同尺度的特征图；对不同尺度的特征图进行分类处理，得到待识别染色体图像中染色体的偏移量；对偏移量进行回归处理，得到染色体的位置。采用本方法能够提高染色体识别的准确性。

技术领域

本申请涉及染色体识别技术领域，特别是涉及一种基于深度学习的染色体识别方法、装置和计算机设备。

背景技术

随着计算机技术的发展，人工智能和深度学习已成为各行各业亟待学习和结合的技术，染色体识别为人类健康和疾病的诊断提供了价值重大的信息，根据染色体识别结果，可以诊断出染色体疾病。

然而，现有的染色体识别一般采用人工镜检识别染色体，图像处理技术，即阈值分割和边缘提取来对染色体进行识别，只会保留部分染色体信息，并且对染色体图像中存在其他与真实染色体形状近似的杂质无法进行准确的识别，导致染色体识别的准确性不高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高染色体识别准确性的基于深度学习的染色体识别方法、装置、计算机设备和存储介质。

一种基于深度学习的染色体识别方法，所述方法包括：

获取待识别染色体图像；

将所述待识别染色体图像输入至训练好的神经网络模型中，提取所述待识别染色体图像中的染色体形态学图像特征，得到特征图；

对所述特征图进行多尺度卷积处理，得到不同尺度的特征图；

对所述不同尺度的特征图进行分类处理，得到所述待识别染色体图像中染色体的偏移量；

对所述偏移量进行回归处理，得到所述染色体的位置。

在其中一个实施例中，所述将所述待识别染色体图像输入至训练好的神经网络模型中，提取所述待识别染色体图像中的染色体形态学图像特征，得到特征图，包括：

读取所述待识别染色体图像的三通道数据；

对所述三通道数据进行归一化处理，得到归一化处理图像；

将所述归一化处理图像输入至训练好的神经网络模型中，提取所述待识别染色体图像中的染色体形态学图像特征，得到特征图。

在其中一个实施例中，所述神经网络模型的训练，包括：

获取的样本染色体图像；

对所述样本染色体图像进行标注，将携带染色体标注和杂质标注的样本染色体图像作为染色体数据集；

根据所述染色体数据集对预先设置的神经网络模型进行训练，确定所述预先设置的神经网络模型的最优参数，得到训练好的神经网络模型；所述神经网络模型中包括用于区分染色体和杂质的分类子网络，以及用于定位染色体位置的回归子网络。

在其中一个实施例中，所述获取的样本染色体图像，包括：

获取用于训练的原始染色体图像；

对所述原始染色体图像进行旋转、平移、模糊操作、光照调整、增加噪声增强操作，得到样本染色体图像。

在其中一个实施例中，所述根据所述染色体数据集对预先设置的神经网络模型进行训练，确定所述预先设置的神经网络模型的最优参数，包括：

对所述染色体数据集进行染色体形态学图像特征，得到特征图；

对所述特征图进行多尺度卷积处理，得到不同尺度的特征图；