[发明专利]一种染色体图像实例标签生成方法及系统

说明书

本发明涉及染色体分析技术领域，提出一种染色体图像实例标签生成方法及系统，其中包括以下步骤：将临床数据中的核型图按照预设的类别排列模板进行区域划分及图像切割，得到不同类别区域的染色体子图，并进行图像增强；将染色体子图进行阈值分割，得到对应的二值连通域及其类别标签，并提取染色体单体图像的轮廓坐标；将所有染色体单体图像与其对应的中期图中的染色体进行特征匹配，得到各个染色体从核型图到中期图的坐标映射关系；将各个染色体在核型图中的轮廓映射至中期图上，将各个染色体在核型图上的轮廓坐标转换为中期图上的轮廓坐标；将各个染色体在中期图上的轮廓坐标与其对应的类别标签合并，生成各个染色体图像的实例标签。

技术领域

本发明涉及染色体分析技术领域，更具体地，涉及一种染色体图像实例标签生成方法及系统。

背景技术

染色体是生物的遗传物质，染色体核型分析是人类染色体遗传疾病的临床诊断的重要手段。染色体核型分析是基于光学显微镜拍摄的细胞分裂中期染色体的数字化图像实现的，但是分析数字化图像需要较多人工参与，且容易出现主观错误。虽然现有商用的半自动核型分析系统(徕卡、蔡司、ASI、北昂等)能够进行染色体中期图像的预处理、染色体分割、分类、计数和排列，实现染色体核型分析，然而复杂染色体簇(交叉重叠、交叉粘连)的染色体分割的作业过程中，遗传学家依靠半自动染色体核型分析系统中的图像质量优化、分类、分割和计数依然需要较多人工参与，且容易出现主观错误。

最新的人工智能技术可以初步实现复杂染色体簇的分割，但是面临的问题在于需要大量含标签的染色体中期图像数据用于模型训练，才能提高泛化性和对不同场景数据的适应性。目前大量文献中用于模型训练的数据都是由遗传学家手动标注，如ChengchuangLin1等人的研究中遗传学家从500个细胞原始图像手动切割并标注出6592个染色体簇图像，以及Yulei Qin2等人的研究中从1909个原始图像中手动切割并标注类别得到87831条染色体等，依赖手动标注的模型的训练集制作极大限制了深度学习模型的性能。然而，在临床中由于专业人员的缺失，无法人工对临床所积累的大量回顾性染色体数据进行标注，也缺乏流程对临床生产中的染色体数据自动标注，因此应用于模型训练的数据集难以达到一个较大数据量级别，无法覆盖临床上的染色体数据多样性，导致模型的泛化性和适应性较差。

发明内容

本发明为克服上述现有技术所述的应用于训练复杂染色体簇的分割模型的数据集难以达到一个较大数据量级别，导致模型的泛化性和适应性较差的缺陷，提供一种染色体图像实例标签生成方法，以及一种染色体图像实例标签生成系统。

为解决上述技术问题，本发明的技术方案如下：

一种染色体图像实例标签生成方法，包括以下步骤：

S1、将临床数据中的核型图按照预设的类别排列模板进行区域划分及图像切割，得到不同类别区域的染色体子图，并对所述染色体子图进行图像增强；

S2、将经过图像增强的染色体子图进行阈值分割，得到分割后的染色体单体图像对应的二值连通域及其类别标签，并提取所述染色体单体图像的轮廓坐标；

S3、将所有染色体单体图像与其对应的中期图中的染色体进行特征匹配，得到各个染色体从核型图到中期图的坐标映射关系；

S4、根据所述坐标映射关系，将各个染色体在核型图中的轮廓映射至中期图上，将各个染色体在核型图上的轮廓坐标转换为中期图上的轮廓坐标；

S5、将各个染色体在中期图上的轮廓坐标与其对应的类别标签合并，生成各个染色体图像的实例标签。

进一步的，本发明还提出了一种染色体图像实例标签生成系统，应用于上述任一技术方案提出的染色体图像实例标签生成方法。其具体包括：

图像切割模块，用于将临床数据中的核型图按照预设的类别排列模板进行区域划分及图像切割，得到不同类别区域的染色体子图；