[發明專利]基于機器學習的重疊染色體識別和分割方法

有效

• 申請號: 202010962405.9
• 申請日: 2020-09-14
• 公開（公告）號: CN112215800B
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 萬濤;王子睿;秦曾昌;杜金偉
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/181;G06T5/00;G06V10/764
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于機器學習的重疊染色體識別和分割方法，其特征在于，包括以下步驟：

針對染色體核型圖像進行數據采集，對采集后的所述染色體核型圖像進行預處理操作，對預處理后的所述染色體核型圖像自動獲取染色體輪廓；

對所述自動獲取的染色體輪廓提取基于輪廓的關鍵特征；

所述對預處理后的所述染色體核型圖像提取染色體輪廓的關鍵特征，包括：將所獲得染色體輪廓形狀擬合成橢圓，計算橢圓短軸長度和長軸長度的比值；將所獲得染色體輪廓形狀擬合成凸包，計算閉合輪廓的面積和凸包面積的比值；將所獲得染色體輪廓形狀擬合成多邊形，記錄多邊形的邊數；通過上述方法獲得染色體輪廓的三種關鍵特征；

采用所述染色體輪廓圖像提取的關鍵特征訓練支持向量機分類器，將染色體識別為重疊黏連染色體和單個染色體；

針對所述識別為重疊黏連染色體，通過尋找凹點和圖像分割方法，經過重復分割操作，獲得多個新的單個染色體圖像；

所述針對所述識別為重疊黏連染色體，通過尋找凹點和圖像分割方法，經過重復分割操作，獲得多個新的單個染色體圖像，包括：獲取染色體輪廓的近似凸包，計算凸包的每邊到染色體輪廓的距離，將距離最大的兩點作為切割的凹點，通過繪制消鋸齒的直線，達到分割輪廓的目的，對分割后的輪廓重復上述操作，從重疊黏連染色體中獲得多個單個染色體圖像；

針對所述識別為單個染色體，經過旋轉和填充背景后，獲得單個染色體圖像；

所述針對所述識別為單個染色體，經過旋轉和填充背景后，獲得單個染色體圖像，包括：計算染色體輪廓的近似矩形包，根據矩形的長寬比確定旋轉的近似角度，將單個染色體旋轉特定角度，產生的空白部分用黑色填充，獲得單個染色體圖像。

2.根據權利要求1所述的基于機器學習的重疊染色體識別和分割方法，其特征在于，所述針對染色體核型圖像進行數據采集，對采集后的所述染色體核型圖像進行預處理操作，對預處理后的所述染色體核型圖像自動獲取染色體輪廓，包括：從醫院信息系統中篩選出符合要求的染色體核型圖像，對采集后的所述染色體核型圖像依次執行去噪操作和增強操作，對預處理后的所述染色體核型圖像自動提取重疊黏連染色體和個體染色體輪廓。

3.根據權利要求2所述的基于機器學習的重疊染色體識別和分割方法，其特征在于，所述對采集后的所述染色體核型圖像執行去噪操作，包括：利用中值濾波去除所述染色體核型圖像中的隨機噪點，采用預設結構的二維滑動模板，將模板內所包含的像素按照像素值的大小進行排序，生成單調上升或下降的為二維數據序列，將模板中心像素的像素值用數據序列的中位數替代，獲得去噪圖像。

4.根據權利要求2所述的基于機器學習的重疊染色體識別和分割方法，其特征在于，所述對采集后的所述染色體核型圖像執行增強操作，包括：使用直方圖均衡化以及伽馬變換方法對去噪后的圖像進行對比度增強，接著計算染色體圖像前景灰度，將該灰度下修正后的單一灰度圖像與所述對比度增強后的圖像進行圖像加和運算，獲得灰度補正后的增強圖像。

5.根據權利要求2所述的基于機器學習的重疊染色體識別和分割方法，其特征在于，所述對預處理后的所述染色體核型圖像自動提取重疊黏連染色體和個體染色體輪廓，包括：采用最大類間方差法從所述對預處理后的所述染色體核型圖像獲得二值圖像，通過圖像形態學方法連接間斷點，通過計算圖像連通域自動提取染色體輪廓。

6.根據權利要求1所述的基于機器學習的重疊染色體識別和分割方法，其特征在于，所述采用所述染色體輪廓圖像提取的關鍵特征訓練支持向量機分類器，將染色體識別為重疊黏連染色體和單個染色體，包括：對所述染色體輪廓圖像進行人工標注，區分重疊黏連和單個染色體；使用上述標注染色體輪廓的三種關鍵特征訓練支持向量機分類器，判定染色體輪廓特征是否滿足重疊條件，用以識別重疊黏連染色體和單個染色體。