[发明专利]基于BagPix2Pix自学习模型的弯曲染色体图像拉直方法、系统、存储介质及装置

说明书

本发明揭示了基于BagPix2Pix自学习模型的弯曲染色体图像拉直方法、系统、存储介质及装置，其中，方法包括如下步骤，S1，接收弯曲染色体原图，处理得到标记图；S2,根据S1得到的标记图，生成染色体骨架锚点图；S3，根据染色体骨架锚点图，生成染色体拉直骨架图；S4，将染色体拉直骨架图输入训练收敛的、接收骨架图可输出匹配的预测图的弯曲染色体图像拉直模型中，生成弯曲染色体拉直图像。本方案与现有的基于图像学的方法相比，本方法的结果不包含明显的断裂和切面，极大的提升了拉直后染色体图像的质量和有效特征的完整性和连续性，且不受弯曲个数和弯曲部位的影响，准确性高。

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方法、系统、存储介质及装置。

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自学习模型的人类弯曲染色体的拉直方法，利用已学习到从骨架生成相应染色体图的模式的弯曲染色体图像拉直模型，实现通过竖直骨架生成相应的柔性拉直染色体的预测图。

本发明的目的通过以下技术方案来实现：

基于BagPix2Pix自学习模型的弯曲染色体图像拉直方法，包括如下步骤，

S1，接收弯曲染色体原图，处理得到标记图；

S2,根据S1得到的标记图，生成染色体骨架锚点图；

S3，根据染色体骨架锚点图，生成染色体拉直骨架图；

S4，将染色体拉直骨架图输入训练收敛的、接收骨架图可输出匹配的预测图的弯曲染色体图像拉直模型中，生成弯曲染色体拉直图像。

优选的，所述的基于BagPix2Pix自学习模型的弯曲染色体图像拉直方法中，所述S1包括：

S11，获取显微镜拍摄的弯曲染色体图像，并转化为灰度图；

S12，对S11得到的灰度图进行标记，将图中染色体标记为1值像素，杂质和背景部分标记为0值像素，获得标记图。

优选的，所述的基于BagPix2Pix自学习模型的弯曲染色体图像拉直方法中，所述S2包括如下步骤：