[发明专利]染色体自动化分析方法

权利要求书

1.一种辅助细胞的中期染色体分类的方法，所述方法包括以下步骤：

(a)提供中期细胞的数字图像；

(b)将所述图像分割成对象，从而获得所述细胞的中期染色体的数字图像；

(c)使用分类预训练的深度卷积神经网络(deep convolutional neural network，DNN)分析每个染色体图像，所述深度卷积神经网络包括用于染色体分类的第一输出层和用于染色体旋转的第二输出层，从而获得每个染色体：(i)用于分配一类染色体的概率向量和(ii)在所述中期细胞的所述数字图像中的染色体旋转角度。

2.如权利要求1所述的方法，其中所述中期细胞的图像中所有染色体的所述概率向量用概率矩阵表示。

3.如权利要求1或2所述的方法，其中所述中期细胞的所有染色体均在所述中期细胞的数字图像中表示。

4.如权利要求2或3所述的方法，所述方法还包括：

(d)将具有最高分配概率的染色体图像分配给该概率预测的类别；以及

(e)对具有下一个最高分配概率的染色体图像重复步骤(d)，直到来自所述中期细胞图像的所有染色体图像都已被分配，当给定类别的染色体总数达到预期，该类别的分配概率归零，或者可用于重新计算所有剩余的未分类的染色体图像。

5.如权利要求4所述的方法，其中具有低于用户定义阈值的分配概率的染色体图像不被自动分配，而是保持未分类。

6.如前任一项权利要求所述的方法，其中对所述中期细胞进行预处理，以显示一个或多个核酸序列或一个或多个条带或在中期染色体上的位置，并使用相同的预处理对DNN进行预训练。

7.如权利要求6所述的方法，其中所述预处理包括进行荧光原位杂交(fluorescencein situ hybridization，FISH)，或其使用非荧光标记的变体。

8.如前任一项权利要求所述的方法，其中所述中期细胞为真核细胞，例如来自植物、动物、哺乳动物或人类的细胞。

9.如前任一项权利要求所述的方法，所述方法还包括使用自动化或交互式图像处理方法处理所述中期细胞的数字图像、和/或一个或多个中期染色体的数字图像。

10.如权利要求9所述的方法，其中，所述图像处理方法选自由卷积(convolution)、串联(concatenation)、丢弃(dropout)、平均池化(average pooling)、阈值化(thresholding)、应用锐化(sharpening)或平均滤波器(averaging filter)、灰度变换(gray level transformation)、归一化(normalization)、面积归一化(areanormalization)、旋转(rotation)、翻转(flipping)、随机噪声(random noise)的添加和基于阈值的分割(threshold-based segmentation)组成的组。

11.如前任一项权利要求所述的方法，其检测一类染色体的增加或缺失。

12.如前任一项权利要求所述的方法，其检测结构畸变和/或碎片。

13.如权利要求12所述的方法，其中所述结构畸变选自由双着丝粒染色体、环状染色体、费城染色体和其他染色体畸变组成的组。