[发明专利]一种基于条带识别的染色体排序方法

说明书

本发明公开了一种基于条带识别的染色体排序方法，属于染色体图像处理技术领域。现有染色体排序方法，由于人工识别，容易受到干扰，导致挑选、排列的准确度低，影响医生对其结构的对比。本发明包括以下步骤：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；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；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。本发明能够对染色体图像所属条带类型进行预测，进而能够准确识别染色体条带数，并按照染色体条带数进行合理排序，进而便于医生观察染色体结构，能够有效减少医生负担，省时省力。

技术领域

本发明涉及一种基于条带识别的染色体排序方法，属于染色体图像处理技术领域。

背景技术

近代细胞遗传学表明，在人体各组织中，虽然细胞的各种成分不同，结构差异巨大，但细胞核内的染色质却保持相对恒定。在体细胞分裂中，46条染色体有规律地进行复制，然后均等地分给两个子细胞，所以两个子细胞都保持了相同的46染色体。

在细胞培养过程中，常见的染色体条带模型有300、400、550、700和800条带，其中条带越多表示染色体结构特征越详细。

现有的染色体排序方法，医生需要挑选多张分散良好、长度适中、带型清晰的中期分裂相图片，并对这些图片进行逐一计数，并对最好的几张中期分裂相图片进行排列识别，便于医生观察染色体结构，并进行对比分析。

上述排序方法，存在以下不足：

第一、需要人工挑选以及手工排列染色体核型图，检测方法效率低，费时费力；

第二、由于人工识别，主观性比较强，容易受到干扰，导致挑选、排列的准确度低，影响医生对其结构的对比以及观察。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种基于深度学习模型对染色体图像所属条带类型进行预测，能够准确识别染色体条带数，并按照染色体条带数进行合理排序，进而便于医生观察染色体结构，能够有效减少医生负担，省时省力的基于条带识别的染色体排序方法。

为实现上述目的，本发明的技术方案为：

一种基于条带识别的染色体排序方法，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；

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。

本发明基于智能算法模型对染色体图像所属条带类型进行预测，进而能够准确识别染色体条带数，并按照染色体条带数进行合理排序，进而便于医生观察染色体结构，能够有效减少医生负担，省时省力。

连通域分割主要是连通区域标记，通过对二值图像中白色像素的标记，让每个单独的连通区域形成一个被标识的块，进一步的能够获取这些块几何参数；所述几何参数为块的轮廓或外接矩形或质心或不变矩；骨架提取，即二值图像细化，将一个连通区域细化成一个像素的宽度，用于特征提取和目标拓扑表示。

作为优选技术措施：

所述智能算法模型为模拟退火或/和遗传算法或/和神经网络或/和深度学习模型；

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；