[发明专利]弯曲染色体图像拉直模型生成方法、模型的应用、系统、可读存储介质及计算机设备

说明书

本发明揭示了弯曲染色体图像拉直模型生成方法、模型的应用、系统、可读存储介质及计算机设备，其中生成方法包括如下步骤，获取弯曲染色体原图处理得到染色体图；根据染色体图生成染色体缩放图及染色体弯曲骨架图；进行染色体缩放图和染色体弯曲骨架图的数据增广及对增广后的染色体缩放图和染色体弯曲骨架图进行归一化处理，得到训练数据集并输入弯曲染色体图像拉直模型进行训练至模型收敛。本方案基于深度学习模型，在保留染色体细节信息的前提下提取染色体图像特征，通过对抗性训练的方法自学习图像局部与全局特征和由骨架图生成相应染色体图的生成方式，以此对染色体进行柔性的拉直，为弯曲染色体图像的拉直提供了可行的、准确性高的处理工具。

技术领域

本发明设计图像处理技术领域，具体涉及一种基于BagPix2Pix自学习模型的弯曲染色体图像拉直模型生成方法、模型的应用、系统、可读存储介质及计算机设备。

背景技术

随着电子计算机技术和人工智能领域的发展，通过计算机算法实现图像的识别和分割已经可以初步实现，且医学上一般使用图像分析技术用于医疗影像中物体的检测、分离和提取。但是当被检测物体处于不同的形态时，例如弯曲和重叠，图形学算法往往不能像素级别地改变物体的形态。

人类的基因信息是被承载在染色体上的，因而染色体核型分析是细胞遗传学研究的基本方法，是研究染色体形态和结构与其功能的联系，探究染色体异常和遗传缺陷的关联的重要手段。但是由于染色体自身的性质，染色体经常处于弯曲的形态。相较于处于竖直形态，弯曲形态的染色体往往给染色体鉴定，分类和功能研究带来阻碍，且人工分析耗时耗力巨大。现有的染色体拉直技术则基于切割和拼接等图形学的算法，其缺点是不能柔性的对图像进行像素级别的拉直，且会产生明显的切割痕迹和拼接处的空白。

例如文献《一种关于高度弯曲染色体图的拉直方法》Roshtkhari,M.J. andSetarehdan,S.K.,2008.A novel algorithm for straightening highly curved imagesof human chromosome.Pattern recognition letters,29(9),pp.1208——1217.，揭示了一种染色体拉直的手段，采用定位最大弯曲处，并在最大弯曲处切割后对两端进行旋转和拼接。这样的方式适用于染色体只存在一个较大弯曲，而在不同实验和精细度中拍摄的染色体照片经常会出现三个乃至更多的弯曲，所以这个算法经常出现拉直的错误，且切割再拼接的空白也会使染色体信息不连续，远远不能达到使用要求。

发明内容

本发明的目的之一就是为了解决现有技术中存在的上述问题，提供一种基于BagPix2Pix自学习模型的弯曲染色体图像拉直模型生成方法，基于深度学习中的卷积神经网络，对经过弹性形变和随机旋转等增广后的染色体骨架图和对应染色体图的高纬度特征进行提取，并通过对抗训练的方法使模型学习到从骨架生成相应染色体图的模式，从而为柔性地生成染色体拉直图提供可行的处理工具。

本发明的目的通过以下技术方案来实现：

弯曲染色体图像拉直模型生成方法，包括如下步骤，

S10，获取弯曲染色体原图，预处理得到去除杂质的染色体图；

S20，根据染色体图，生成染色体缩放图；

S30,根据染色体图，生成染色体弯曲骨架图；

S40，进行染色体缩放图和染色体弯曲骨架图的数据增广；

S50，对S40得到的增广后的染色体缩放图和染色体弯曲骨架图进行归一化处理，得到训练数据集；

S60，将S50得到的训练数据集输入弯曲染色体图像拉直模型进行训练至模型收敛。

优选的，所述的弯曲染色体图像拉直模型生成方法中，所述S10包括：