[發(fā)明專利]一種基于染色體三等分特征點定位的交叉染色體圖像實例分割方法

有效

• 申請?zhí)枺?/td>: 202011275495.0
• 申請日: 2020-11-16
• 公開（公告）號: CN112365482B
• 公開（公告）日: 2022-05-03
• 發(fā)明（設(shè)計）人: 崔玉峰
• 申請（專利權(quán)）人: 上海北昂醫(yī)藥科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州創(chuàng)信知識產(chǎn)權(quán)代理有限公司 33383
• 代理人: 吳清珠

本發(fā)明公開了一種基于染色體三等分特征點定位的交叉染色體圖像實例分割方法，將一幅包含染色體的圖像劃分為S×S的網(wǎng)格單元，根據(jù)染色體實例三等分特征點的位置，將染色體實例分配給多個網(wǎng)格單元，每個網(wǎng)格單元負責(zé)預(yù)測一個實例的實例類別。每個輸出通道負責(zé)預(yù)測該網(wǎng)格單元所屬染色體對象的實例掩碼圖。相較于實例定位分割網(wǎng)絡(luò)只采用實例中心點來完成實例分割，本發(fā)明提出的方法采用染色體三等分特征點來完成染色體實例分割，對于交叉重疊的染色體擁有更高的分割準確率，解決染色體圖像的分割效果仍然不夠理想，小體積染色體容易漏檢的問題，大大提升了染色體實例分割算法的魯棒性，加快了染色體實例的分割速度。

技術(shù)領(lǐng)域

本申請涉及醫(yī)療圖像領(lǐng)域，特別涉及一種基于染色體三等分特征點定位的交叉染色體圖像實例分割方法。

背景技術(shù)

當前，在典型的染色體核型分析流程中，需要對染色體圖像進行分割、分類等圖像處理。國內(nèi)已開發(fā)出一些染色體自動分析系統(tǒng)，在染色體圖像出現(xiàn)交疊、粘連的時候，其分析的效果仍有待改進。傳統(tǒng)的分割方法包括在圖像直方圖上基于閾值的，基于形態(tài)學(xué)腐蝕和膨脹的，基于形態(tài)學(xué)輪廓分析的，然而這些方法都有其限制的使用范圍，對于目標染色體的形狀和重疊區(qū)域的模式具有較高的要求，由于染色體具有目標小、形態(tài)雜、粘連多、辨識難等特點，致使傳統(tǒng)圖像分割方法無法自動地、魯棒地達到理想的分割效果。

隨著深度學(xué)習(xí)的發(fā)展，深度卷積神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)圖像處理領(lǐng)域展現(xiàn)出了巨大的潛力，采用卷積神經(jīng)網(wǎng)絡(luò)Mask RCNN對染色體圖像進行實例級別的自動分割效果有極大的提升，但由于染色體目標粘連、重疊、遮擋嚴重等問題，可能會導(dǎo)致非極大值抑制(NMS)過程中交叉重疊染色體過度抑制、掩模回歸時重疊單體出現(xiàn)相互干擾等問題，使得染色體圖像的分割效果仍然不夠理想。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于染色體三等分特征點定位的交叉染色體圖像實例分割方法，目的在于解決染色體圖像的分割效果仍然不夠理想，小體積染色體容易漏檢的問題，大大提升了染色體實例分割算法的魯棒性，加快了染色體實例的分割速度。

為了解決上述問題或至少部分地解決上述技術(shù)問題，在本申請的一個實施例中，提供了一種基于染色體三等分特征點定位的交叉染色體圖像實例分割方法，其特征在于，所述方法包括：

步驟1：對多張包含染色體原圖中的染色體實例進行純色覆蓋，生成多張染色體掩碼圖，以此作為神經(jīng)網(wǎng)絡(luò)當中染色體實例掩碼圖預(yù)測分支的樣本標簽；

步驟2：將包含染色體實例的原圖劃分成S×S個網(wǎng)格，每個網(wǎng)格負責(zé)預(yù)測一個染色體實例，根據(jù)每個染色體的三等分特征點來將該染色體分配給不同的網(wǎng)格來預(yù)測該染色體實例的實例類別；

步驟3：將待處理的染色體原圖與標注的染色體實例掩碼圖以及所有網(wǎng)格的預(yù)測類別組合制作成訓(xùn)練集，采用所設(shè)計的損失函數(shù)將模型在制作的訓(xùn)練集上對染色體實例分割網(wǎng)絡(luò)進行訓(xùn)練，經(jīng)過多次迭代訓(xùn)練獲得有效的染色體實例分割模型；

步驟4：利用訓(xùn)練好的染色體實例分割模型對染色體圖像進行推理，將需要進行分割的染色體原圖輸入到模型當中，經(jīng)過FPN提取染色體圖像特征，在三個尺度上分別輸出三個尺寸的張量來對特征進行輸出；

步驟5：將FPN輸出的特征張量進行自適應(yīng)下采樣操作，將每個特征張量中的特征進行提取，輸出一個形狀為S×S×256的特征張量用于染色體實例類別的預(yù)測，采用尺寸為3×3的卷積核對獲得的特征張量進行特征提取，最終輸出一個大小為S×S×C的特征張量來預(yù)測染色體實例類別；

步驟6：將FPN輸出的特征張量進行上采樣，輸出一個形狀為H×W×(256+2)的特征張量來用于預(yù)測染色體實例掩碼圖，采用3×3大小的卷積核對該特征張量進行七次卷積操作輸出一個形狀為H×W×S²的特征張量用于預(yù)測不同染色體實例的掩碼圖；

步驟7：結(jié)合輸出的染色體實例類別預(yù)測張量和染色體實例掩碼圖預(yù)測張量，采用非極大值抑制算法來篩選預(yù)測結(jié)果，合并重疊的染色體掩碼圖，最終確定染色體實例分割的結(jié)果。