[发明专利]一种基于条带识别的染色体排序方法

权利要求书

1.一种基于条带识别的染色体排序方法，其特征在于，包括以下步骤：

第一步，得到染色体核型图；

第二步，对核型图进行染色体切割，切割出若干染色体图像，并识别染色体类型；

染色体核型图切割主要基于连通域分割和骨架提取的方式进行分割，通过连通域分析提取简单的单条染色体后，剩下的交叉染色体进行骨架提取和骨架分析寻找可能的分割点，通过分割点实现交叉染色体的分割；

其包括以下情形：

（1）单条染色体与交叉染色体的分离；计算出平均染色体面积与单条染色体最大面积，然后通过对染色体前景部分进行连通域分析，提取出各个连通域的图像，进行闭操作与中值滤波后分析骨架，根据骨架的不同将该连通域分别归类为单条染色体与交叉染色体；

（2）粘连交叉染色体的自动分割；对于交叉染色体再进行连通域分析，通过骨架分析操作寻找切割点进行切割，切割出的染色体放入单条染色体类别中，其他染色体等待进一步自动切割；

（3）交叉染色体的进一步切割；对于剩余的交叉染色体，利用分离重叠染色体的方法进行进一步切割，然后对结果进行保存；

第三步，提取多张同号染色体的图像，基于智能算法模型识别染色体条带类型；

利用智能算法模型，对不同染色体图像，分别预测其所属条带类型的概率值；

然后根据概率值的大小，判断该染色体图像所属条带类型，完成染色体图像的划分；

第四步，对划分完成的若干染色体图像，按照其染色体条带类型变化进行排序。

2.如权利要求1所述的一种基于条带识别的染色体排序方法，其特征在于，

所述智能算法模型为模拟退火或遗传算法或神经网络或深度学习模型；

所述染色体条带类型根据条带数进行划分，所述条带数为300或400或550或700或800；

根据染色体条带类型的识别结果，按照300、400、550、700和800条带数的顺序，对同号染色体图像进行排序，使得在观察特征的时候能够从少到多查看同一号染色体的特征。

3.如权利要求1所述的一种基于条带识别的染色体排序方法，其特征在于，

对染色体进行切割前，需进行图像预处理；

其具体包括以下步骤：第一步，首先对图像背景统一为白色，然后对图像进行直方图均衡、去核、去除杂质；

第二步，对图像进行自适应阈值分割，分离出前景与背景；再对前景进行一系列形态学操作与连通域分析，去除染色体随体部分。

4.如权利要求2所述的一种基于条带识别的染色体排序方法，其特征在于，

利用深度学习模型预测其所属条带类型的概率值，具体包括以下步骤：

S1，建立模型结构：主干网络模型基于ResNet残差网络结构；

S2，通过使用残差学习Residual Learning的方式，能够极大提高模型抽取特征的有效性，而且能够在避免过拟合训练样本集的情况下，构建深层次的网络，提高模型的准确率；本模型的深度为：hs层；

S3，模型的分类器采用的是MLP多层感知器网络；采取该网络的要点在于能够构建一个端到端end-to-end网络，而无需单独基于特征再训练一个SVM分类器；本模型使用了1个MLP分类器，针对当前染色体的条带数目等级进行识别；

识别分类器的神经元参数构成为：(ms)*3，对应三种等级的条带数目类别，其中ms是来源于对残差网络提取的最后ms个特征的全局pooling池化；

S4，对于MLP的分类器神经元参数设置 ；

S5，模型的损失函数Loss Function设置为交叉熵函数Cross-Entropy Loss，整个函数是对概率值取了负对数，便于求解其最小值；

S6，深度学习模型的训练时，使用ADAM优化器。