中期图像的染色体分析和鉴定是基于细胞遗传学的医学诊断的关键部分。它主要用于识别遗传疾病和疾病的宪法,产前和获得异常。从中期鉴定染色体的过程是一个乏味的过程,需要训练有素的人员和几个小时才能进行。挑战尤其是在中期图像中处理触摸,重叠和聚集的染色体方面存在挑战,如果未正确进行分割,则会导致错误的分类。我们提出了一种自动化从给定的中期图像的检测和分割过程的方法,并在使用深层CNN体系结构中对其进行分类以了解染色体类型。我们已经使用了两种方法来处理中期中发现的重叠染色体的分离 - 一种涉及流域算法的方法,其次是自动编码器,另一种纯粹基于流域算法的方法。这些方法涉及自动化和非常最小的手动努力来执行分割,从而产生输出。手动努力确保了人类的直觉得到考虑,尤其是在处理触摸,重叠和聚类染色体时。分割后,使用深CNN模型将单个染色体图像分类为95.75 \%精度。此外,我们将分布策略从给定输出(通常可以在正常情况下的46个单个图像组成)中分类为单个类别,准确性为98 \%。我们的研究有助于得出结论,通过图像处理技术可以将参与染色体分割的纯手动努力自动化至非常好的水平,从而产生可靠且令人满意的结果。
translated by 谷歌翻译