[发明专利]基因测序图像对焦矫正方法及装置、设备、存储介质

权利要求书

1.一种基因测序图像对焦矫正方法，其特征在于，包括：

获取基因测序仪的物镜拍摄到的标签图像和样本图像；

对所述样本图像进行傅里叶变换，获得所述样本图像的频域信息；

将所述样本图像输入初始化的深度学习神经网络中的第一卷积模块，以对所述样本图像进行卷积计算获得第一特征图；

将所述样本图像的频域信息输入所述深度学习神经网络中的注意力模块，以使所述注意力模块根据所述频域信息学习得到权重系数；

将所述第一特征图和所述权重系数输入所述深度学习神经网络中的第二卷积模块，以使所述第二卷积模块根据所述权重系数对第一特征图进行更新获得第二特征图；

计算所述第二特征图与标签图像之间的损失值；

当所述损失值小于设定值时，判定所述深度学习神经网络训练完成获得对焦矫正模型；

将待处理基因测序图像输入所述对焦矫正模型，获得所述对焦矫正模型的矫正图像；

根据所述矫正图像，确定目标基因测序图像。

2.如权利要求1所述的基因测序图像对焦矫正方法，其特征在于，所述根据所述矫正图像，确定目标基因测序图像，包括：

根据所述矫正图像，确定测序序列；

将所述测序序列与基因库中的基因序列进行比对，计算得到Mapping率；其中，所述Mapping率为所述测序序列与基因库中的基因序列的匹配率；

当Mapping率达到预设比值时，确定所述矫正图像为目标基因测序图像。

3.如权利要求1或2所述的基因测序图像对焦矫正方法，其特征在于，获取基因测序仪的物镜拍摄到的标签图像和样本图像，包括：

控制基因测序仪的物镜移动至预设最佳位置，并拍摄获得标签图像；

控制基因测序仪的物镜移动至随机采样位置，并拍摄获得样本图像；其中，所述随机采样位置与所述预设最佳位置的距离满足预设距离范围。

4.如权利要求3所述的基因测序图像对焦矫正方法，其特征在于，所述预设距离范围包括第一距离范围和第二距离范围，所述第二距离范围大于所述第一距离范围；以及，所述控制基因测序仪的物镜移动至随机采样位置，并拍摄获得样本图像，包括：

控制基因测序仪的物镜由预设最佳位置向前移动至第一距离范围内的任意随机采样位置，并拍摄获得第一图像；

控制基因测序仪的物镜由第一距离范围内的任意随机采样位置向后移动至第二距离范围内的任意随机采样位置，并拍摄获得第二图像；

根据所述第一图像和所述第二图像，确定样本图像。

5.一种基因测序图像对焦矫正装置，其特征在于，包括：

采集单元，用于获取基因测序仪的物镜拍摄到的标签图像和样本图像；

变换单元，用于对所述样本图像进行傅里叶变换，获得所述样本图像的频域信息；

训练单元，用于以所述样本图像及其频域信息为输入、所述标签图像为标签，对初始化的深度学习神经网络进行训练获得对焦矫正模型；

处理单元，用于将待处理基因测序图像输入所述对焦矫正模型，获得所述对焦矫正模型的矫正图像；

确定单元，用于根据所述矫正图像，确定目标基因测序图像；

其中，所述初始化的深度学习神经网络包括第一卷积模块、第二卷积模块和注意力模块；以及，所述训练单元包括：

第一卷积子单元，用于将所述样本图像输入第一卷积模块，以对所述样本图像进行卷积计算获得第一特征图；

注意力子单元，用于将所述样本图像的频域信息输入注意力模块，以使所述注意力模块根据所述频域信息学习得到权重系数；

融合子单元，用于将所述第一特征图和所述权重系数输入第二卷积模块，以使所述第二卷积模块根据所述权重系数对第一特征图进行更新获得第二特征图；

计算子单元，用于计算所述第二特征图与标签图像之间的损失值；

判定子单元，用于在所述损失值小于设定值时，判定深度学习神经网络训练完成获得对焦矫正模型。