[發明專利]基于深度學習卷積神經網絡的人類染色體圖像擺正方法

有效

• 申請號: 202211264196.6
• 申請日: 2022-10-17
• 公開（公告）號: CN115330603B
• 公開（公告）日: 2023-01-20
• 發明（設計）人: 閉世蘭;盧沁陽;劉麗玨;穆陽;彭偉雄;蔡昱峰
• 申請（專利權）人: 湖南自興智慧醫療科技有限公司
• 主分類號: G06T3/60
• 分類號: G06T3/60;G06T7/00;G06N3/04;G06N3/08
• 代理公司: 長沙市岳麓慧專利代理事務所(普通合伙) 43270
• 代理人: 鄒劍峰

1.一種基于深度學習卷積神經網絡的人類染色體圖像擺正方法，其特征在于，包括：

獲取染色體中期圖的單條染色體圖像；

對所述單條染色體圖像進行關鍵點標注，標注的五個關鍵點分別是染色體短臂左端點、染色體短臂右端點、染色體長臂左端點、染色體長臂右端點以及著絲粒中心點；

對染色體圖像進行預處理，對所述五個關鍵點分別生成高斯熱力圖；

根據染色體圖像和高斯熱力圖標簽訓練U-Net網絡，得到染色體關鍵點位置預測模型；

將新的待測試單條染色體圖像經過相同預處理后輸入所述染色體關鍵點位置預測模型進行推理，輸出待測染色體關鍵點位置的預測高斯熱力圖；

根據預測高斯熱力圖計算相應的五個關鍵點的坐標信息，利用坐標信息計算擺正角度后旋轉圖像，最后利用前期分類結果，對同源染色體進行著絲粒對齊操作；

其中，根據染色體圖像和高斯熱力圖標簽訓練U-Net網絡，得到染色體關鍵點位置預測模型，包括：

網絡預測輸出五張預測的高斯熱力圖，計算五張高斯熱力圖的最大激活值位置，分別得到染色體短臂左端點、染色體短臂右端點、染色體長臂左端點、染色體長臂右端點以及著絲粒中心點的具體坐標；

計算五個關鍵點的預測位置相對于真實標注位置的距離誤差，距離誤差轉換成預測準確率；

計算預測的高斯熱力圖與真實的高斯熱力圖的損失，利用損失進行梯度反向傳播，更新U-Net網絡權重，U-Net網絡再次前向推理，計算新的損失，依次反復，直到在驗證集中五個關鍵點的預測準確率達到最高值不再上升時，保存U-Net網絡此刻的權重，得到最佳權重的染色體關鍵點位置預測模型。

2.如權利要求1所述的基于深度學習卷積神經網絡的人類染色體圖像擺正方法，其特征在于，對所述單條染色體圖像進行關鍵點標注，標注的五個關鍵點分別是染色體短臂左端點、染色體短臂右端點、染色體長臂左端點、染色體長臂右端點以及著絲粒中心點之后，還包括：

對標注后的數據進行審核，排除臟數據和錯誤標注。

3.如權利要求1所述的基于深度學習卷積神經網絡的人類染色體圖像擺正方法，其特征在于，對染色體圖像進行預處理，對所述五個關鍵點分別生成高斯熱力圖包括：

對標注的五個關鍵點生成高斯熱力圖，每個關鍵點一張高斯熱力圖，高斯熱力圖半徑為6，中心點像素為1，周圍像素值中心向外逐漸變小至0；

將染色體圖像由輸入的GRAY格式或者BGR格式轉為RGB格式，根據染色體中期圖的分割結果，去除圖像周邊與其交叉粘連的其他染色體和背景雜質干擾；

將高斯熱力圖尺寸和RGB格式圖像統一到固定尺寸128*128，對統一尺寸后的RGB格式圖像進行歸一化，歸一化使數據服從高斯分布，歸一化采用圖像減去其像素均值除以方差。

4.如權利要求1所述的基于深度學習卷積神經網絡的人類染色體圖像擺正方法，其特征在于，計算預測的高斯熱力圖與真實的高斯熱力圖的損失，包括：

使用損失函數JointsMSELoss計算預測高斯熱力圖與真實高斯熱力圖的損失，按通道計算均方誤差損失函數MSELoss，再求加權平均值；

式中，代表第i張預測輸出的高斯熱力圖的坐標，代表第i張真實的高斯熱力圖的坐標，N為正整數，代表每張染色體的像素個數，MSELoss_i是單張高斯熱力圖的均方誤差，是第i張高斯熱力圖的分配權重，在該網絡中設置五個關鍵點的權重相等，都為1，M為正整數，代表每條染色體的高斯熱力圖張數，每條染色體都有5張高斯熱力圖，因此M等于5。

5.如權利要求4所述的基于深度學習卷積神經網絡的人類染色體圖像擺正方法，其特征在于，計算五個關鍵點的預測位置相對于真實標注位置的預測準確率，包括：

使用拉格朗日距離公式計算預測的高斯熱力圖與真實的高斯熱力圖之間的距離；

式中，下標p_i代表第i個預測點，t_i代表第i個真實標簽點，表示第i個預測點的x坐標，表示第i個預測點的y坐標，表示第i個真實點的x坐標，表示第i個真實點的y坐標；w代表圖像寬度，h代表圖像高度，M為正整數，代表預測點的個數；

根據五個關鍵點的預測位置與真實標注位置的拉格朗日距離，確定預測準確率。