[发明专利]基于Compact SegUnet自学习模型的双染色体图像切割方法有效
| 申请号： | 201910152076.9 | 申请日： | 2019-02-28 |
| 公开（公告）号： | CN109934828B | 公开（公告）日： | 2023-03-24 |
| 发明（设计）人： | 苏炯龙;马飞;孟佳;宋思凡;黄戴赟;时长军;肖晟;杨春潇 | 申请（专利权）人： | 西交利物浦大学;苏州精准医疗科技有限公司 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06V10/40;G06V10/764;G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司： | 南京艾普利德知识产权代理事务所(特殊普通合伙) 32297 | 代理人： | 陆明耀 |
| 地址： | 215121 江苏省苏州市*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明揭示了一种基于Compact SegUnet自学习模型的双染色体切割方法，通过学习基于真实染色体图片模拟生成的双染色体重叠数据集，模型提取图像不同区域的高维度特征，根据染色体重叠区域与非重叠区域以及不同染色体之间的差异，对图片的每个像素预测其属于重叠区域和各条染色体的概率，最后选择概率最大的分类，能够完成重叠染色体像素层面上的分割。本发明相较于传统人工观察区分方法，极大的提高了效率，节省工作的时间与成本；与现有几何分割方法相比，克服了部分重叠不易分割的问题，实用性强；与现有深度学习模型相比，提高了分割准确率。 | ||
| 搜索关键词： | 基于 compact segunet 自学习 模型 染色体 图像 切割 方法 | ||
【主权项】：
1.一种基于Compact SegUnet自学习模型的双染色体图像切割方法，其特征在于：包括如下步骤，S1、获取及预处理染色体单体图像步骤，选取真实染色体图像，去除杂质，以形成只含有染色体及背景为黑色的图片；S2、双染色体重叠图像数据集构建步骤，基于真实染色体图像模拟生成双染色体重叠图像，形成Compact SegUnet自学习模型的训练数据集；S3、数据预处理步骤，将所述训练数据集中的每张双染色体重叠图像的每个像素进行标记并调整统一所有图像的大小，并输入至所述Compact SegUnet自学习模型；S4、Compact SegUnet自学习模型训练步骤，提取双染色体重叠图像的不同区域的特征，自学习提取的特征与给定的标记之间的关系，对双染色体重叠图像的每个像素预测其属于重叠区域和各条染色体的概率；S5、新染色体原图预测分割步骤，选择概率最大的分类，完成双染色体重叠图像在像素层面上的分割。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西交利物浦大学;苏州精准医疗科技有限公司，未经西交利物浦大学;苏州精准医疗科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910152076.9/，转载请声明来源钻瓜专利网。
