买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川大学华西第二医院;四川科莫生医疗科技有限公司

摘要：本发明提供了一种基于人工智能算法辅助的分布式染色体核型数据标注方法，包括采用染色体核型数据标注来获取深度学习模型需要的训练数据，所述模型包括染色体分割模型和染色体识别模型，染色体分割模型用于将染色体从细胞染色体中期图中分割出来成为多条单根染色体；染色体识别模型用于对分割出来的单根染色体进行分类，确定其属于哪一类染色体；染色体分割模型和染色体识别模型中的训练数据均来自细胞染色体中期图。本发明通过少量样本的学习，生成深度神经网络，辅助医生对原始图像进行分割和识别，应用云计算技术，在互联网上搭建标注平台，使医生能够远程完成标注和审核，节省了大量的人力。

主权项：1.基于人工智能算法辅助的分布式染色体核型数据标注方法，其特征在于：包括采用染色体核型数据标注来获取深度学习模型需要的训练数据，所述模型包括染色体分割模型和染色体识别模型，染色体分割模型用于将染色体从细胞染色体中期图中分割出来成为多条单根染色体；染色体识别模型用于对分割出来的单根染色体进行分类，确定其属于哪一类染色体；染色体分割模型和染色体识别模型中的训练数据均来自细胞染色体中期图；染色体核型数据标注包括特征匹配辅助标注阶段和深度学习模型辅助标注阶段，特征匹配辅助标注阶段具体包括如下步骤：图像采集步骤、图像归一化步骤、染色体特征匹配步骤、人工纠正步骤、人工审核步骤和生成训练数据步骤；其中，图像采集步骤具体如下：将通过医院设备拍摄的染色体原始图以及医生通过Metafer软件及人工判断生成报告图收集，使用python脚本将文件分别复制到系统指定目录下作为标注系统的原始输入数据，原始图用于后期生成中期图以及数据库新增数据依据，报告图作为后期人工纠正参考；遍历添加的原始图文件，通过文件名提取案例编号以及案例图号，再通过与数据库当前已存在的案例编号以及案例图号数据对比，对数据库实现增量新增操作，数据将展示在前端页面用于用户案例选择以及案例图号查看；图像归一化步骤具体如下：对比由图像采集步骤中产生的数据库中案例图号数据以及中期图文件目录，发现还未生成中期图的案例图号，依次生成中期图，生成中期图使用kmeans聚类算法传统算法结合使用resnet50_fpn作为主干构建的FasterR-CNN预训练模型将图像背景清除并处理为白色，移除图像中细胞以及杂质，只保留染色体；其中传统算法作用于清除背景以及移除图像中杂质，利用kmeans聚类算法对图像像素进行锚定初始中心的三分类，再利用opencv库对图像进行阈值处理以及查找轮廓并过滤掉轮廓面积的杂质，Faster-RCNN神经网络作用于移除图像中细胞，在训练阶段修改原有输出层为适用于当前情况的2类输出，通过训练过后的模型，对大于轮廓面积的轮廓中的图像进行目标检测，通过自定义置信度阈值检测当前图像中是否存在染色体，存在则保留该轮廓，不存在则过滤，最终通过保留下的轮廓与原始图进行位运算得到背景为白色，去除了细胞以及杂质只保留染色体的中期图，中期图将作为前端页面案例图号中图像的展示以及后期分割及识别模型的输入数据；深度学习模型辅助标注阶段包括与特征匹配辅助标注阶段相同的图像采集步骤、图像归一化步骤、人工纠正步骤、人工审核步骤和生成训练数据步骤，深度学习模型辅助标注阶段还包括设置在、图像归一化步骤、人工纠正步骤之间的染色体分割步骤和染色体识别步骤；染色体分割步骤具体步骤如下：将中期图输入训练后的染色体分割模型，对图像进行实例分割，输出MASK掩码图，对数据进行压缩与编码后，通过http接口请求识别模块；染色体分割步骤具体步骤如下：接收分割后的掩码数据，将数据通过opencv库提取轮廓，再通过与中期图进行位运算，通过仿射变换和图像裁剪，得到224x224大小的单根直立染色体图像，作为识别模型的输入进行识别，每根染色体最终产生一个识别结果以及极性判断，结合分割结果，最终将轮廓中期图中的单根染色体的轮廓数据，识别出的染色体号以及极性通过http接口请求发送至数据写入模块；将识别及分析结果写入mongodb数据库，再将轮廓掩码与中期图进行位运算，并通过仿射变换以及图像裁剪得到一张只包含单根染色体的最小矩形图像，并保存图像到指定目录用于前端页面单根染色体图像展示。

全文数据：

权利要求：

百度查询： 四川大学华西第二医院 四川科莫生医疗科技有限公司 基于人工智能算法辅助的分布式染色体核型数据标注方法