[发明专利]一种胚胎时序图像中的胚胎发育阶段分类方法

权利要求书

1.一种胚胎时序图像中的胚胎发育阶段分类方法，其特征在于，包括：

步骤1、获取胚胎发育过程的M张时序待测图像并依次输入单输入多输出卷积神经网络，得到每张待测图像输入下包括该张待测图像的相邻m张待测图像一一对应的m个概率序列，mM且均为正整数；

步骤2、基于所有所述m个概率序列，集成得到每张待测图像的m个概率序列并对其融合，得到该张待测图像的概率融合序列；

步骤3、采用满足单调递增约束下的动态规划法，平滑处理由各张待测图像的概率融合序列构成的矩阵，识别每张待测图像对应的发育阶段，实现胚胎时序图像中的胚胎发育阶段分类；

所述步骤2中，所述集成，具体为：

步骤2.1、从所有所述m个概率序列中，统计每张待测图像的所有概率序列；

步骤2.2、若统计后的该张待测图像的概率序列的个数n少于m，采样m-n个该张待测图像输入下该张待测图像的概率序列进行补充。

2.根据权利要求1所述的一种胚胎时序图像中的胚胎发育阶段分类方法，其特征在于，所述步骤1中，所述获取胚胎发育过程的M张时序待测图像，具体为：

获取胚胎发育过程的time-lapse视频，并基于所述time-lapse视频，处理得到M张时序待测图像。

3.根据权利要求1所述的一种胚胎时序图像中的胚胎发育阶段分类方法，其特征在于，m取值为3-17中的任一奇数。

4.根据权利要求1所述的一种胚胎时序图像中的胚胎发育阶段分类方法，其特征在于，所述步骤2中，所述融合，具体为：

将统计后的每张待测图像的m个概率序列中，每相同发育阶段对应的概率进行相加或相乘，得到该张待测图像的概率融合序列。

5.根据权利要求1至4任一项所述的一种胚胎时序图像中的胚胎发育阶段分类方法，其特征在于，所述单输入多输出卷积神经网络的训练方法包括：

步骤1.1、获取并基于胚胎发育过程的时序图像样本数据，生成单输入单输出样本集和单输入多输出样本集；

步骤1.2、基于所述单输入单输出样本集，训练单输入单输出卷积神经框架，得到单输入单输出卷积神经网络；

步骤1.3、获取所述单输入单输出卷积神经网络的参数，基于所述参数和所述单输入多输出样本集，训练单输入多输出卷积神经框架，得到单输入多输出卷积神经网络。

6.根据权利要求5所述的一种胚胎时序图像中的胚胎发育阶段分类方法，其特征在于，所述单输入单输出卷积神经框架和所述单输入多输出卷积神经框架的不同之处为作为框架输出端的全连接层的输出端个数；

则所述步骤1.3包括：

获取所述单输入单输出卷积神经网络的参数；

基于所述参数，固定所述单输入多输出卷积神经框架中所述全连接层以外各层的参数；

基于所述单输入多输出样本集，训练所述单输入多输出卷积神经框架中全连接层的参数，得到单输入多输出卷积神经网络。

7.根据权利要求5所述的一种胚胎时序图像中的胚胎发育阶段分类方法，其特征在于，分别采用损失函数使得所述单输入单输出卷积神经网络和所述单输入多输出卷积神经网络达到训练精度。

8.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行上述如权利要求1至7任一项所述的一种胚胎时序图像中的胚胎发育阶段分类方法。