CN115063412A - 一种染色体图像拼接方法及染色体核型分析方法 - Google Patents
一种染色体图像拼接方法及染色体核型分析方法 Download PDFInfo
- Publication number
- CN115063412A CN115063412A CN202210933205.XA CN202210933205A CN115063412A CN 115063412 A CN115063412 A CN 115063412A CN 202210933205 A CN202210933205 A CN 202210933205A CN 115063412 A CN115063412 A CN 115063412A
- Authority
- CN
- China
- Prior art keywords
- chromosome
- image
- segments
- chromosomes
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 210000000349 chromosome Anatomy 0.000 title claims abstract description 215
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 title abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000031864 metaphase Effects 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 9
- 238000013528 artificial neural network Methods 0.000 abstract description 5
- 238000003672 processing method Methods 0.000 abstract description 4
- 239000012634 fragment Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 3
- 210000003917 human chromosome Anatomy 0.000 description 3
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 208000031404 Chromosome Aberrations Diseases 0.000 description 1
- 206010067477 Cytogenetic abnormality Diseases 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000003765 sex chromosome Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开一种染色体图像拼接方法及染色体核型分析方法,染色体图像拼接方法包括:读入两条不同染色体的图像,将各染色体片段分割出来,对齐不同染色体片段的切割面,根据切割面将不同染色体连接起来,再用自编码网络对连接后的染色体进行重构,重构后复原非连接区域的染色体,得到拼接后的染色体。与现有技术相比,本发明通过神经网络和图像处理方法对染色体图像进行拼接处理,能快速形成异常染色体参考图像,辅助医生进行异常类型判断,从而降低医生的诊断难度,提高诊断的准确性。
Description
技术领域
本发明涉及染色体分析技术领域,特别是涉及一种染色体图像拼接方法及染色体核型分析方法。
背景技术
人类染色体作为遗传物质的载体,其在结构上的变异会导致某些疾病产生,所以染色体核型分析对于某些疾病的诊断具有重要意义。通常而言,人类染色体由22对常染色体以及X,Y性染色体组成,而异常染色体则由不同类型的正常染色体上的片段发生了交换、缺失和重复等等情况所导致,因此染色体异常情况数量巨大,种类繁多的异常情况,大大增加了医生的诊断难度。
前面的叙述在于提供一般的背景信息,并不一定构成现有技术。
发明内容
本发明的目的在于提供一种能辅助医生进行异常类型判断,降低医生的诊断难度的染色体图像拼接方法及染色体核型分析方法。
本发明提供一种染色体图像拼接方法,包括:读入两条不同的均具有异常位点的染色体的图像,将各染色体片段分割出来,分割线经过异常位点,对齐不同染色体片段的切割面,根据切割面将不同染色体连接起来,再用自编码网络对连接后的染色体进行重构,重构后复原非连接区域的染色体,得到拼接后的染色体。
本发明还提供一种染色体图像拼接方法,包括如下步骤:
S1、读入染色体图像,读入拍摄的两条不同染色体的图像,各染色体均具有异常位点;
S2、染色体片段分割,利用分别经过两条染色体异常位点的两切割线对该两条染色体进行切割,形成四个染色体片段;
S3、染色体片段对齐,旋转每个染色体片段使切割线与水平线平行,然后选择需要进行拼接的两个染色体片段,将该两个染色体片段的切割线进行对齐,使两切割面宽度相等;
S4、染色体片段连接,将对齐后的两染色体片段连接起来,得到一条新染色体图像L,原切割线形成连接线;
S5、自编码网络重构,以连接线为中轴线,确定上下N个像素范围的矩形区域,再将新染色体图像输入自编码网络中,得到重构后的染色体图像P;
S6、非连接区域还原,将重构后的染色体图像P,除矩形区域外的所有像素点的像素值还原为染色体图像L上的像素值,得到拼接后的染色体图像。
进一步地,步骤S3中,旋转每个染色体片段使切割线与水平线平行包括:计算染色体片段切割线上的点的斜率k,再根据斜率k计算切割线与水平线的角度d,最后以染色体片段切割线上所有点的中心为旋转中心,旋转角度为角度d,进行旋转操作。
进一步地,步骤S3中,将该两个染色体片段的切割线进行对齐包括:分别计算两染色体片段的切割线的染色体宽度,计算方法为求切面上像素值不为255的第一个像素点和最后一个像素点之间的距离;取其中一宽度做为基准值,对另一染色体片段进行宽度上的尺寸缩放,使得缩放后两染色体片段的切割面的宽度相等。
进一步地,步骤S5中,N=5。
进一步地,步骤S6中,非连接区域还原包括如下步骤:
S61、将重构染色体图片P中非矩形区域中的像素点的像素值置为0;
S62、将染色体图片L中矩形区域中的像素点的像素值置为0;
S63、将S61和S62处理后的染色体图片P和染色体图片L逐像素进行相加,得到最终结果图像,即拼接后的染色体图像。
本发明还提供一种染色体核型分析方法,包括:获取中期染色体***相图像;对多条染色体图像采用如上所述的染色体图像拼接方法形成拼接后的染色体图像作为异常染色体参考图像;将异常染色体参考图像与真实异常染色体图像进行比较,得到染色体的异常类型。
本发明提供的染色体图像拼接方法及染色体核型分析方法,通过神经网络和图像处理方法对染色体图像进行拼接处理,能快速形成异常染色体参考图像,辅助医生进行异常类型判断,从而降低医生的诊断难度,提高诊断的准确性。
附图说明
图1为本发明实施例染色体图像拼接方法的流程示意图。
图2a为图1所示染色体图像拼接方法中第一条染色体的示意图。
图2b为图1所示染色体图像拼接方法中第二条染色体的示意图。
图3a为图2a所示第一条染色体中第一个染色体片段的示意图。
图3b为图2a所示第一条染色体中第二个染色体片段的示意图。
图3c为图2b所示第二条染色体中第一个染色体片段的示意图。
图3d为图2b所示第二条染色体中第二个染色体片段的示意图。
图4a为第一个选择拼接的染色体片段的示意图。
图4b为第二个选择拼接的染色体片段的示意图。
图5为连接后得到的新染色体图像。
图6为图5所示新染色体图像确定矩形区域后的示意图。
图7为图5所示新染色体图像自编码网络重构后的示意图。
图8为对图7所示重构后的新染色体图像非连接区域还原过程示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本实施例中,染色体图像拼接方法通过神经网络和图像处理方法对染色体图像进行拼接处理,具体为:读入两条不同的均具有异常位点的染色体的图像,将各染色体片段分割出来,分割线经过异常位点,对齐不同染色体片段的切割面,根据切割面将不同染色体连接起来,再用自编码网络对连接后的染色体进行重构,重构后复原非连接区域的染色体,得到拼接后的染色体。
自编码网络为人工神经网络的一种,通常包括编码器和解码器,编码器负责将输入进行压缩编码,解码器负责将压缩后的编码还原为输出。在本实施例中,使用卷积自编码网络,输入为染色体图像,输出为解码后的染色体图像。
具体而言,如图1所示,本实施例染色体图像拼接方法包括如下步骤。
S1、读入染色体图像。读入拍摄的两条不同染色体的图像,各染色体均具有异常位点(如图2a、2b所示,异常位点分别标示为A、B)。
S2、染色体片段分割。利用分别经过两条染色体异常位点A、B的两切割线Ya、Yb(切割线可人为确定)对该两条染色体进行切割,形成四个染色体片段U1、D1、U2、D2,如图3a至图3d所示。其中片段U1、D1为根据切割线Ya切分的染色体片段,片段U2、D2为根据切割线Yb切分的染色体片段。
S3、染色体片段对齐。旋转每个染色体片段使切割线与水平线平行,然后选择需要进行拼接的两个染色体片段(本实施例选择片段U1、D2),将该两个染色体片段的切割线进行对齐,使两切割面宽度相等。
其中,旋转每个染色体片段使切割线与水平线平行包括:计算染色体片段切割线上的点的斜率k,再根据斜率k计算切割线与水平线的角度d,最后以染色体片段切割线上所有点的中心为旋转中心,旋转角度为角度d,进行旋转操作。
其中,将该两个染色体片段的切割线进行对齐包括:分别计算两染色体片段的切割线的染色体宽度Wa、Wb(如图4a、图4b所示),计算方法为求切面上像素值不为255的第一个像素点和最后一个像素点之间的距离;取其中一宽度(如取Wa和Wb中的最大值)做为基准值,对另一染色体片段进行宽度上的尺寸缩放(缩小或放大),使得缩放后两染色体片段的切割面的宽度相等。
S4、染色体片段连接。将对齐后的两染色体片段连接起来,得到一条新染色体图像L(如图5所示),原切割线形成连接线Lc(如图6所示)。
具体方法为:将染色体片段U1的切割线Ya上的染色体像素点和染色体片段D2的切割线Yb上的染色体像素点一一对应并连接起来。由于步骤S3对染色体片段U1、D2进行旋转,则染色体片段上的切割线Ya,Yb也进行了旋转,且平行于水平线,所以Ya,Yb互相平行,且在步骤S3中对Ya、Yb进行了宽度上的对齐,所以Ya,Yb宽度相等,再将染色体片段U1、D2根据切割线Ya、Yb连接后,会得到一条新的染色体L。
S5、自编码网络重构。以连接线为中轴线,确定上下N(本实施例中N=5)个像素范围的矩形区域Area(如图6所示),再将染色体图像L输入自编码网络中,得到重构后的染色体图像P(如图7所示)。通过重构,使两片段连接处的图像更加接近真实。
S6、非连接区域还原。如图8所示,将重构后的染色体图像P,除矩形区域外的所有像素点的像素值还原为染色体图像L上的像素值,得到拼接后的染色体图像。
具体包括如下步骤:
S61、将重构染色体图片P中非矩形区域Area中的像素点的像素值置为0(如图8左图);
S62、将染色体图片L中矩形区域Area中的像素点的像素值置为0(如图8中图);
S63、将S61和S62处理后的染色体图片P和染色体图片L逐像素进行相加,得到最终结果图像,即拼接后的染色体图像(如图8右图)。
本实施例还提供一种染色体核型分析方法,包括:获取中期染色体***相图像;对多条染色体图像采用如上所述的染色体图像拼接方法形成拼接后的染色体图像作为异常染色体参考图像;将异常染色体参考图像与真实异常染色体图像进行比较,得到染色体的异常类型(交换、缺失和重复)。
本实施例提供的染色体图像拼接方法及染色体核型分析方法,通过神经网络和图像处理方法对染色体图像进行拼接处理,能快速形成异常染色体参考图像,辅助医生进行异常类型判断,从而降低医生的诊断难度,提高诊断的准确性。
在本文中,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”、“竖直”、“水平”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了表达技术方案的清楚及描述方便,因此不能理解为对本发明的限制。
在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,除了包含所列的那些要素,而且还可包含没有明确列出的其他要素。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种染色体图像拼接方法,其特征在于,包括:读入两条不同的均具有异常位点的染色体的图像,将各染色体片段分割出来,分割线经过异常位点,对齐不同染色体片段的切割面,根据切割面将不同染色体连接起来,再用自编码网络对连接后的染色体进行重构,重构后复原非连接区域的染色体,得到拼接后的染色体。
2.一种染色体图像拼接方法,其特征在于,包括如下步骤:
S1、读入染色体图像,读入拍摄的两条不同染色体的图像,各染色体均具有异常位点;
S2、染色体片段分割,利用分别经过两条染色体异常位点的两切割线对该两条染色体进行切割,形成四个染色体片段;
S3、染色体片段对齐,旋转每个染色体片段使切割线与水平线平行,然后选择需要进行拼接的两个染色体片段,将该两个染色体片段的切割线进行对齐,使两切割面宽度相等;
S4、染色体片段连接,将对齐后的两染色体片段连接起来,得到一条新染色体图像L,原切割线形成连接线;
S5、自编码网络重构,以连接线为中轴线,确定上下N个像素范围的矩形区域,再将新染色体图像输入自编码网络中,得到重构后的染色体图像P;
S6、非连接区域还原,将重构后的染色体图像P,除矩形区域外的所有像素点的像素值还原为染色体图像L上的像素值,得到拼接后的染色体图像。
3.如权利要求2所述的染色体图像拼接方法,其特征在于,步骤S3中,旋转每个染色体片段使切割线与水平线平行包括:计算染色体片段切割线上的点的斜率k,再根据斜率k计算切割线与水平线的角度d,最后以染色体片段切割线上所有点的中心为旋转中心,旋转角度为角度d,进行旋转操作。
4.如权利要求2所述的染色体图像拼接方法,其特征在于,步骤S3中,将该两个染色体片段的切割线进行对齐包括:分别计算两染色体片段的切割线的染色体宽度,计算方法为求切面上像素值不为255的第一个像素点和最后一个像素点之间的距离;取其中一宽度做为基准值,对另一染色体片段进行宽度上的尺寸缩放,使得缩放后两染色体片段的切割面的宽度相等。
5.如权利要求2所述的染色体图像拼接方法,其特征在于,步骤S5中,N=5。
6.如权利要求2所述的染色体图像拼接方法,其特征在于,步骤S6中,非连接区域还原包括如下步骤:
S61、将重构染色体图片P中非矩形区域中的像素点的像素值置为0;
S62、将染色体图片L中矩形区域中的像素点的像素值置为0;
S63、将S61和S62处理后的染色体图片P和染色体图片L逐像素进行相加,得到最终结果图像,即拼接后的染色体图像。
7.一种染色体核型分析方法,其特征在于,包括:获取中期染色体***相图像;对多条染色体图像采用如权利要求1至6中任一所述的染色体图像拼接方法形成拼接后的染色体图像作为异常染色体参考图像;将异常染色体参考图像与真实异常染色体图像进行比较,得到染色体的异常类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210933205.XA CN115063412B (zh) | 2022-08-04 | 2022-08-04 | 一种染色体图像拼接方法及染色体核型分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210933205.XA CN115063412B (zh) | 2022-08-04 | 2022-08-04 | 一种染色体图像拼接方法及染色体核型分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115063412A true CN115063412A (zh) | 2022-09-16 |
CN115063412B CN115063412B (zh) | 2022-11-29 |
Family
ID=83208283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210933205.XA Active CN115063412B (zh) | 2022-08-04 | 2022-08-04 | 一种染色体图像拼接方法及染色体核型分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115063412B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116977338A (zh) * | 2023-09-25 | 2023-10-31 | 湖南自兴智慧医疗科技有限公司 | 基于视觉语义联合的染色体病例级异常提示*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109285174A (zh) * | 2017-07-19 | 2019-01-29 | 塔塔咨询服务公司 | 基于众包和深度学习的染色体分割和核型分析 |
WO2019079455A1 (en) * | 2017-10-17 | 2019-04-25 | Affymetrix, Inc. | VITERBI DECODER FOR PROCESSING MICROARRAY SIGNAL |
CN112288706A (zh) * | 2020-10-27 | 2021-01-29 | 武汉大学 | 一种自动化的染色体核型分析以及异常检测方法 |
CN113658150A (zh) * | 2021-08-23 | 2021-11-16 | 西安交通大学 | 一种基于深度学习的染色体自动分割和分类方法 |
-
2022
- 2022-08-04 CN CN202210933205.XA patent/CN115063412B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109285174A (zh) * | 2017-07-19 | 2019-01-29 | 塔塔咨询服务公司 | 基于众包和深度学习的染色体分割和核型分析 |
WO2019079455A1 (en) * | 2017-10-17 | 2019-04-25 | Affymetrix, Inc. | VITERBI DECODER FOR PROCESSING MICROARRAY SIGNAL |
CN112288706A (zh) * | 2020-10-27 | 2021-01-29 | 武汉大学 | 一种自动化的染色体核型分析以及异常检测方法 |
CN113658150A (zh) * | 2021-08-23 | 2021-11-16 | 西安交通大学 | 一种基于深度学习的染色体自动分割和分类方法 |
Non-Patent Citations (1)
Title |
---|
李林川等: "人工染色体研究进展", 《遗传》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116977338A (zh) * | 2023-09-25 | 2023-10-31 | 湖南自兴智慧医疗科技有限公司 | 基于视觉语义联合的染色体病例级异常提示*** |
CN116977338B (zh) * | 2023-09-25 | 2023-12-12 | 湖南自兴智慧医疗科技有限公司 | 基于视觉语义联合的染色体病例级异常提示*** |
Also Published As
Publication number | Publication date |
---|---|
CN115063412B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919887B (zh) | 一种基于深度学习的无监督图像融合方法 | |
CN109961401B (zh) | 一种双目相机的图像校正方法和存储介质 | |
CN115063412B (zh) | 一种染色体图像拼接方法及染色体核型分析方法 | |
CN112651979B (zh) | 肺部x光图像分割方法、***、计算机设备及存储介质 | |
ES2356023T3 (es) | Compresión y descompresión de imágenes. | |
CN113191953B (zh) | 一种基于Transformer的人脸图像超分辨的方法 | |
CN110136052A (zh) | 一种图像处理方法、装置和电子设备 | |
Polidori et al. | Zooming using iterated function systems | |
CN116051734A (zh) | 基于三维激光扫描及实景三维建模的工程量快速统计方法 | |
CN113947531A (zh) | 一种迭代协作的视频超分辨率重构方法及*** | |
US20240265638A1 (en) | Information processing apparatus and method thereof | |
CN111932548A (zh) | 一种基于深度学习的地铁隧道细微裂缝分割方法 | |
Liu et al. | Co-Net: A collaborative region-contour-driven network for fine-to-finer medical image segmentation | |
JPH0738760A (ja) | 直交変換基底生成方式 | |
KR20030054360A (ko) | 2차원 영상을 3차원 영상으로 변환하는 영상 변환 장치 및그 방법 | |
CN106131548A (zh) | 一种帧内预测模式的选择方法及装置 | |
CN112733826B (zh) | 图像处理方法及装置 | |
JP2022082455A (ja) | 三次元モデル構築方法、装置及びコンピュータ読み取り可能な記憶媒体 | |
EP1936563A1 (en) | Method for rotating and scaling an image and corresponding apparatus | |
CN1340791A (zh) | 对三维的图像重建执行线性内插的方法和装置 | |
He et al. | Pyramid fusion attention network for single image super-resolution | |
Hsieh et al. | One-dimensional grey polynomial interpolators for image enlargement | |
WO2023281929A1 (ja) | 情報処理装置および方法 | |
JPH0927966A (ja) | 画像符号化方法および画像符号化装置 | |
WO2023095625A1 (ja) | 情報処理装置および方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |