[发明专利]基于人工智能与图形学结合的染色体图像处理方法

说明书

本发明涉及染色体处理技术，其公开了一种基于人工智能与图形学结合的染色体图像处理方法，快速、准确地对染色体图像的分割和分类识别进行处理，提高工作效率，降低人力成本，并保证处理的质量。该方法包括以下步骤：a.根据染色体原始图像数据集训练分割模型；b.在进行染色体图像处理时，利用分割模型将待处理的染色体原始医学图像进行分割；c.针对步骤b中未完全分割的染色体团簇图像进行二次至多次分割，得到单条染色体；d.根据图形学算法处理后的伸直单条染色体图像数据集训练分类模型；e.应用分类模型对经过分割并伸直后的单条染色体进行分类；f.根据分类结果，执行适用于医学报告的排版功能，输出排版后的染色体图像。

技术领域

本发明涉及染色体处理技术，具体涉及一种基于人工智能与图形学结合的染色体图像处理方法。

背景技术

染色体图像几乎是确保胎儿基因是否正常的唯一手段，可以在孕期中及时发现胎儿的各种基因问题和后天疾病隐患。在基因学相关的研究背景下，这种能够从基因角度分析胎儿情况的手段具有很强的指导意义，而其图像的制作难度也可想而知。据了解，在纯手工进行染色体图像分析的时期，每一幅图像(即每一个样本)大概需要40分钟以上的处理时间，而每一个胎儿的最终结果则需要从几十个样本中统计出正常和异常的比率(根据正常样本的数量，更改需要额外统计的样本数)，其效率之低可见一斑。

目前，染色体图像的成像过程转为仪器操作，人工对胎儿细胞制片后放至仪器下进行成像即可，这一进步减少了人工对每个样本观察显微镜的过程，且在计算机上能够实现基础的图像处理辅助功能，使得工作效率大大提升。但在如今的人口压力下，这样的速度也已经越来越难以满足医疗的需求，因为成像后的图片仍需人工进行后续处理，人力成本很高。

在当前人工智能蓬勃发展的大背景下，如果能够将人工智能应用于医学领域的染色体图像处理上，尽量用机器运算来代替人工过程，则可以极大地提升工作效率。

深度学习以其在人工智能上的广泛应用在近年来备受各界的关注，可见采用深度学习的方法让计算机解决一些智能化的问题是人工智能发展的一个主流方向。深度学习可以结合的领域多种多样，在计算机图形学上也有很不错的应用前景，因此本发明将使用深度学习作为处理计算机图形学问题的主要工具，相信二者的结合对相关领域的研究有着不小的推动作用。

对染色体图像处理过程中的难点问题是染色体图像的分割和识别工作，目前国内外虽然对此问题做了不少的研究，但究其实用性，还存在着几点不足之处：

①如何改进现有的算法体系，以达到人工成本降低的目的：目前无论是基于传统图形学还是基于深度学习的算法架构，都需要大量的人力进行参与。这是由于目前的研究工作都是在单一的条件下进行的，或是针对单一问题，或是面向单一的数据集。这样的研究条件决定了短时间内无法用于实装的处理系统；

②如何解决分割处理中的团簇或掩盖的情况：目前的传统算法研究上，针对分割的文献很少，足见其难度。在深度学习上，U-net的方法值得借用，但明确针对染色体图像的成果同样很少。至于团簇和掩盖的情况，定然需要研究一些相应的处理手段；

③如何设计染色体图像自动处理后的评判标准：目前市面上对于人工智能处理的需求是“全自动”，全过程的自动处理定然会遇到很多特殊的情况，需要少量的人工辅助，那么怎样才可以核定某一幅图像是需要进行人工辅助的，也需要更具创新性的理论进行定义。

发明内容

本发明所要解决的技术问题是：提出一种基于人工智能与图形学结合的染色体图像处理方法，快速、准确地对染色体图像的分割和分类识别进行处理，提高工作效率，降低人力成本，并保证处理的质量。

本发明解决上述技术问题采用的技术方案是：

基于人工智能与图形学结合的染色体图像处理方法，包括以下步骤：

a.根据染色体原始图像数据集训练分割模型；