[发明专利]一种基于深度学习的DNA碎片分析方法及相关设备

说明书

本发明公开了基于深度学习的DNA碎片分析方法及相关设备，预测步骤，获取目标图像并对图像中各个像素点进行精子DNA碎片类别的预测，精子DNA碎片类别包括：无光晕碎片和有光晕非碎片；计算步骤，利用回归预测计算所述无光晕碎片的范围信息，以及，有光晕非碎片的光晕尺寸数据；判断步骤，计算所述有光晕非碎片的光晕尺寸数据与精子近似短直径的比值，判断有光晕非碎片中的疑似碎片；统计步骤，将无光晕碎片和所述疑似碎片用以估计精子DNA碎片率。本发明提升了精子DNA碎片分析效率，并通过构建深度卷积神经目标检测网络，采用大量均衡的不同精子DNA碎片染色样本对其训练，获得能够准确预测精子DNA碎片类别和获取边界框信息的模型，提升检测和分析的准确度。

技术领域

本发明涉及DNA分析技术,特别涉及一种基于深度学习的DNA碎片分析方法及相关设备。

背景技术

精子DNA碎片分析用以检测精子质量和评估生育能力，精子DNA碎片分析主要是分析精子DNA碎片率，即断裂成单链的DNA碎片占整个精子DNA的比例。对于分析男性不育、自发流产、胚胎停育的病因以及妊娠结局的预测和辅助生育助孕的方式的选择，具有非常重要的临床意义。

其检测原理是通过荧光染料与双链DNA结合发出绿色荧光，而与单链DNA结合发出红色或黄色的荧光，染色后的精子DNA碎片图像，因为染色液体的关系一般表现碎片无关晕，正常有光晕。近年来，人工智能方法中的深度卷积神经网络针对的是医学图像，能够极大的提高DNA碎片分析速度，同时提供非常高的准确度，通常来说是采用两步式检测方案，首先通过数字图像处理技术分割出待处理的可能存在染色的精子DNA的区域，然后再通过支持向量机或者分类卷积神经网络来对染色的精子DNA进行碎片分类，然后计数计算。

该方法在一定程度上能够提升对精子DNA碎片率的分析速度，但是该方法对检测的精子DNA染色图像质量极其敏感。不同染色剂和医生染色能力差异会造成图像中的杂质较多、染色颜色深浅不一等问题，这些都会使得对图像的检测准确率低，分析系统鲁棒性差。该方法还会因为分步式的原因造成分析速度慢这个问题。且因为在实际情况中，根据染色深浅，其实一些精子断链的染色可能还是会染上色，所以还需对染色的光晕圈进行大小的判断来精确分辨疑似断链精子。

发明内容

本发明的目的在于，达到自动分析染色后的精子图像中DNA碎片率，提升精子DNA碎片的研判精度和速度。

一种基于深度学习的DNA碎片分析方法，包括如下步骤：

预测步骤，获取目标图像并对图像中各个像素点进行精子DNA碎片类别的预测，精子DNA碎片类别包括：无光晕碎片和有光晕非碎片；

计算步骤，利用回归预测计算所述无光晕碎片的范围信息，以及，有光晕非碎片的光晕尺寸数据；

判断步骤，计算所述有光晕非碎片的光晕尺寸数据与精子近似短直径的比值，判断有光晕非碎片中的疑似碎片；

统计步骤，将无光晕碎片和所述疑似碎片用以估计精子DNA碎片率。

优选地，本方法还包括：构建步骤，即构建检测神经网络模型，包括：

训练样本中对目标类别匹配正样本数目；

平衡训练样本中目标类别的正负样本数量；

训练像素点框体的宽高回归预测模型；

计算出检测神经网络模型损失函数Loss，以及，通过所述损失函数Loss且采用随机梯度下降算法更新神经网络模型参数。

优选地，获取目标图像并对图像中各个像素点进行精子DNA碎片类别的预测包括：

采用基于anchor-free的检测神经网络对图像中各个像素点在进行非极大值抑制操作进行去重操作；

同时，预测无光晕碎片和有光晕非碎片和回归预测所需的边界框的宽高信息。