[发明专利]基于深度学习卷积神经网络的人类染色体图像摆正方法

说明书

本发明公开一种基于深度学习卷积神经网络的人类染色体图像摆正方法。本发明通过对单条染色体图像标注染色体短臂左端点、染色体短臂右端点、染色体长臂左端点、染色体长臂右端点以及着丝粒中心点五个关键点，对染色体图像预处理，对五个关键点分别生成高斯热力图，训练U‑Net网络，得到染色体关键点位置预测模型，将新的待测试单条染色体图像进行处理后输入染色体关键点位置预测模型进行推理后计算相应的五个关键点的坐标信息，利用坐标信息计算摆正角度后旋转图像，最后利用前期分类结果，对同源染色体进行着丝粒对齐操作，解决了传统复杂染色体区域分割方法对着丝粒定位效果有待提升，难以做到复杂情况下的适应性的问题。

技术领域

本发明涉及染色体区域分割技术领域，尤其涉及一种基于深度学习卷积神经网络的人类染色体图像摆正方法。

背景技术

由于染色体是基因的载体，是人类遗传信息的携带者，因此，染色体中数量或结构异常，都可能带来流产、死胎、畸形、智力障碍、生长发育异常、肿瘤等疾病。因此，染色体的异常检测对于临床疾病诊断、预防染色体缺陷造成生理缺陷的患儿出生等具有临床意义。

染色体着丝粒是指中期染色体的两条姐妹染色单体的连接处，位于染色体的主缢痕处，着丝粒将两条染色单体分为短臂(p)和长臂(q)，染色体分割分类后，需要对染色体进行摆正和同源染色体着丝粒对齐操作，按照国际标准要求，一个分裂相中的所有染色体不仅要按编号排列，且必须按短臂在上，长臂在下的方向放置，同时医生们更希望两条同源同类的染色体按照着丝粒靠近的原则摆放。因此，定位姐妹染色单体长短臂及着丝粒所在位置对于摆正染色体和计算长短臂比值至关重要，此外，着丝粒位置还可以为某些染色体异常诊断提供辅助信息。但由于染色体普遍存在弯曲、重叠、交叉粘连、边缘不平滑等现象，尤其是姐妹染色单体分叉，进一步使得着丝粒识别困难，也为染色体摆正带来很高的技术难度。

传统根据特征提取算法识别染色体着丝粒位置，多受先验知识和染色体灰度值、阈值等信息影响，对于复杂情况如背景噪声干扰造成着丝粒位置不是最细处、染色体着丝粒位置被遮挡、姐妹染色单体分叉难以提取骨架线、染色体弯曲法线方向波动大等不确定因素，都会影响最终的着丝粒定位效果，因此传统算法难以做到复杂情况下的适应性。

发明内容

本发明的目的在于提供一种基于深度学习卷积神经网络的人类染色体图像摆正方法，以解决传统复杂染色体区域分割方法对着丝粒定位效果有待提升，难以做到复杂情况下的适应性的问题。

本发明提供一种基于深度学习卷积神经网络的人类染色体图像摆正方法，包括：

获取染色体中期图的单条染色体图像；

对所述单条染色体图像进行关键点标注，标注的五个关键点分别是染色体短臂左端点、染色体短臂右端点、染色体长臂左端点、染色体长臂右端点以及着丝粒中心点；

对染色体图像进行预处理，对所述五个关键点分别生成高斯热力图；

根据染色体图像和高斯热力图标签训练U-Net网络，得到染色体关键点位置预测模型；

将新的待测试单条染色体图像经过相同预处理后输入所述染色体关键点位置预测模型进行推理，输出待测染色体关键点位置的预测高斯热力图；

根据预测高斯热力图计算相应的五个关键点的坐标信息，利用坐标信息计算摆正角度后旋转图像，最后利用前期分类结果，对同源染色体进行着丝粒对齐操作。

进一步地，对所述单条染色体图像进行关键点标注，标注的五个关键点分别是染色体短臂左端点、染色体短臂右端点、染色体长臂左端点、染色体长臂右端点以及着丝粒中心点之后，还包括：

对标注后的数据进行审核，排除脏数据和错误标注。

进一步地，对染色体图像进行预处理，对所述五个关键点分别生成高斯热力图包括：