[发明专利]一种染色体畸变的人工智能识别分析方法

权利要求书

1.一种染色体畸变的人工智能识别分析方法，其特征在于，包括：

S100：输入原始历史染色体畸变形态图像数据，按几何图形进行数据标记并作出类型标记，以完成学习训练，将标记后的数据存入数据库中；

S200：将要识别的染色体畸变形态目标图像，输入到骨干网络backbone模型，以实现对候选物体位置定位；

S300：通过S200对物体的定位，继续对物体进行分类识别，将S200处理后的图像输入到局部预选框模型，对目标物体大小不同的实际情况，进行分类识别；

S400：根据分类识别后的数据输出染色体畸变形态自动分析结果。

2.根据权利要求1所述的染色体畸变的人工智能识别分析方法，其特征在于：步骤S100之前，进行图像的归一化处理。

3.根据权利要求2所述的染色体畸变的人工智能识别分析方法，其特征在于，所述图像的归一化处理包括以下几种方法：

去除图像的背景噪音：先通过高斯滤波去除背景噪音后；再通过低频滤波将噪音水印杂质噪音，最后通过锐化图像并搭配滤波，中值滤波或高斯滤波选其一处理着丝粒不清晰；

图像的背景噪音的处理：经过分析图像值方图，去掉近白色背景的值方图的对应像素，即可去除背景，若有过饱和和欠饱和曝光，则考虑抛弃此图；

图像值方图归一化：拉伸和移动值方图的像素值，把值方图归一化到同一x轴区域范围内；

图像熵归一化：计算图像熵，去掉过大或过小的熵的图，图像偏小熵的通过锐化，偏大通过平滑，进行归一化处理。

4.根据权利要求1所述的染色体畸变的人工智能识别分析方法，其特征在于：所述S100中的数据标记，通过标记所需的内容，标记染色体畸变形态，标记出双着丝粒体、三着丝粒体、无着丝粒断片、微小体、无着丝环、着丝粒环、倒位、相互易位；

按几何图形标记关注的物体，并作出类型标记；

标记的数据量符合自己设定的精度要求即可，数量与精确度正相关关系。

5.根据权利要求1所述的染色体畸变的人工智能识别分析方法，其特征在于：所述骨干网络backbone模型包括Darknet,CSPDarkNet，EfficientNet，ResNet,ResNetXt模型；所述局部预选框模型包括FPN、BiFPN、ASFF、RFB、SPP模型。

6.根据权利要求1所述的染色体畸变的人工智能识别分析方法，其特征在于：

采用了S200-S300的模型组合的目标检测人工智能方法来进行对象物体的定位、分类识别，即预测对象。

7.根据权利要求1所述的染色体畸变的人工智能识别分析方法，其特征在于：所述S300中，根据S200输出有3种不同尺度的特征图，每种尺度下的特征图设定3种不同尺寸的预测框，由大到小的3种尺寸的预测框，总共聚类出9种尺寸的预测框。

8.根据权利要求1所述的染色体畸变的人工智能识别分析方法，其特征在于：由骨干网络backbone模型与局部预选框模型组成完整的目标检测模型，对数据库标准化后的图像进行训练、获得训练参数，再通过训练参数，预测判断测试图像内的关注的物体，进行定位、分类标记。

9.根据权利要求1所述的染色体畸变的人工智能识别分析方法，其特征在于：所述S400中，对预测框的每张图像，进行识别，判断其是否为染色体以及是否为正常的，判断是哪一类异常的染色体及双着丝粒体、三着丝粒体、无着丝粒断片、微小体、无着丝环、着丝粒环、倒位、相互易位，并输出异常的染色体的信息，包括位置、类型信息。