染色体图像的处理方法、装置、计算机设备和存储介质与流程

本技术涉及计算机，特别是涉及一种染色体图像的处理方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、一个体细胞中的全部染色体，按其大小、形态特征顺序排列所构成的图像称为核型，将待测细胞的核型进行染色体数目、形态特征分析称为核型分析，是染色体病检查的“金标准”。

2、核型分析结果的准确率建立在的染色体正确分割的基础上，传统的染色体分割方法有阈值分割法和分水岭分割法等，可分割单条染色体，对于复杂形态的染色体的分割效果不佳。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高染色体图像分割效果的染色体图像的处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种染色体图像的处理方法。所述方法包括：

3、获取染色体原始图像；

4、基于预先训练的染色体的第一语义分割模型，对所述染色体原始图像中的背景区域滤除，得到染色体的第一分割结果；

5、基于预先训练的目标检测模型，对所述第一分割结果中各染色体的边缘特征进行识别，得到各染色体中的单条染色体的初步提取图像；

6、获取所述初步提取图像中所述单条染色体形态特征；

7、根据预先训练的染色体的第二语义分割模型和所述单条染色体的形态特征，对所述初步提取图像中的所述单条染色体的边缘进行分割，得到单条染色体的处理图像。

8、在其中一个实施例中，训练染色体的第一语义分割模型的方法，包括：

9、获取预设数量的染色体原始图像；

10、基于所述染色体原始图像中的染色体边缘的像素值，对所述染色体原始图像的直方图阈值进行调节，得到染色体掩膜图像；

11、根据预设的像素值转化规则，对所述染色体掩膜图像中各像素点进行转化，得到染色体标签图像；

12、将染色体原始图像和染色体标签图像，输入到待训练的第一语义分割模型，迭代预设次数，得到训练好的染色体的第一语义分割模型。

13、在其中一个实施例中，所述基于所述染色体原始图像中的染色体边缘的像素值，对所述染色体原始图像的直方图阈值进行调节，得到染色体掩膜图像，包括：

14、基于所述染色体原始图像中的染色体边缘的像素值，对所述染色体原始图像的直方图阈值进行调节，得到多个染色体的阈值分割图像；

15、根据所述阈值分割图像中染色体部分和背景部分，对各所述染色体的阈值分割图像的像素值进行转化，得到染色体掩膜图像。

16、在其中一个实施例中，所述根据预设的像素值转化规则，对所述染色体掩膜图像中各像素点进行转化，得到染色体标签图像，包括：

17、根据所述染色体掩膜图像中像素值大小，对所述染色体掩膜图像中各像素点对应的像素值进行反转；

18、基于预设尺度的卷积核，对像素值反转后的掩膜图像进行卷积；

19、根据所述染色体掩膜图像中像素值大小，对卷积后的掩膜图像进行二值化处理，得到染色体标签图像。

20、在其中一个实施例中，所述方法还包括：

21、将各所述单条染色体的处理图像输入到预先训练好的染色体分类模型，得到各所述单条染色体的预测类别和预测概率；

22、若所述单条染色体的预测概率大于预设值，则根据所述单条染色体的预测类别对所述单条染色体的处理图像进行排序；

23、将排序后的单条染色体的处理图像，确定为染色体原始图像中各所述单条染色体的分类结果。

24、在其中一个实施例中，训练染色体的第二语义分割模型的方法，包括：

25、获取预设数量的单条染色体图像，所述单条染色体图像包括目标单条染色体，以及与所述目标单条染色体重叠的其他杂质；

26、基于所述单条染色体图像中目标单条染色体边缘的像素值，以及所述目标单条染色体与其他杂质的重叠区域对应的像素值，对所述单条染色体图像进行划分，得到单条染色体掩膜图像；

27、根据预设的像素值转化规则，对所述单条染色体掩膜图像中各像素点进行转化，得到单条染色体标签图像；

28、将单条染色体图像和单条染色体标签图像，输入到待训练的第二语义分割模型，迭代预设次数，得到训练好的染色体的第二语义分割模型。

29、第二方面，本技术还提供了一种染色体图像的处理装置。所述装置包括：

30、获取模块，用于获取染色体原始图像；

31、第一分割模块，用于基于预先训练的染色体的第一语义分割模型，对所述染色体原始图像中的背景区域滤除，得到染色体的第一分割结果；

32、目标检测模块，用于基于预先训练的目标检测模型，对所述第一分割结果中各染色体的边缘特征进行识别，得到各染色体中的单条染色体的初步提取图像；

33、提取模块，用于获取所述初步提取图像中所述单条染色体形态特征；

34、第二分割模块，用于根据预先训练的染色体的第二语义分割模型和所述单条染色体的形态特征，对所述初步提取图像中的所述单条染色体的边缘进行分割，得到单条染色体的处理图像。

35、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

36、获取染色体原始图像；

37、基于预先训练的染色体的第一语义分割模型，对所述染色体原始图像中的背景区域滤除，得到染色体的第一分割结果；

38、基于预先训练的目标检测模型，对所述第一分割结果中各染色体的边缘特征进行识别，得到各染色体中的单条染色体的初步提取图像；

39、获取所述初步提取图像中所述单条染色体形态特征；

40、根据预先训练的染色体的第二语义分割模型和所述单条染色体的形态特征，对所述初步提取图像中的所述单条染色体的边缘进行分割，得到单条染色体的处理图像。

41、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

42、获取染色体原始图像；

43、基于预先训练的染色体的第一语义分割模型，对所述染色体原始图像中的背景区域滤除，得到染色体的第一分割结果；

44、基于预先训练的目标检测模型，对所述第一分割结果中各染色体的边缘特征进行识别，得到各染色体中的单条染色体的初步提取图像；

45、获取所述初步提取图像中所述单条染色体形态特征；

46、根据预先训练的染色体的第二语义分割模型和所述单条染色体的形态特征，对所述初步提取图像中的所述单条染色体的边缘进行分割，得到单条染色体的处理图像。

47、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

48、获取染色体原始图像；

49、基于预先训练的染色体的第一语义分割模型，对所述染色体原始图像中的背景区域滤除，得到染色体的第一分割结果；

50、基于预先训练的目标检测模型，对所述第一分割结果中各染色体的边缘特征进行识别，得到各染色体中的单条染色体的初步提取图像；

51、获取所述初步提取图像中所述单条染色体形态特征；

52、根据预先训练的染色体的第二语义分割模型和所述单条染色体的形态特征，对所述初步提取图像中的所述单条染色体的边缘进行分割，得到单条染色体的处理图像。

53、上述染色体图像的处理方法、装置、计算机设备、存储介质和计算机程序产品，获取染色体原始图像，基于预先训练的染色体的第一语义分割模型，对染色体原始图像中背景区域滤除，得到染色体的第一分割结果，为后续目标检测和进一步语义分割提供依据。基于预先训练的目标检测模型，对第一分割结果中各染色体的边缘特征进行识别，得到各染色体的单条染色体的初步提取图像，得到了包含单条染色体和杂质的初步提取图像，为后续语义分割中对单条染色体的边缘分割提供参考。获取初步提取图像中单条染色体形态特征，根据预先训练的第二语义分割模型和单条染色体的形态特征，对初步提取图像中的单条染色体的边缘进行分割，得到单条染色体的处理图像，通过再次进行边缘特征的识别，提高了识别精度和分割的效果，该方法，一方面采用语义分割-目标检测-语义分割模型对染色体的原始图像进行处理，得到各染色体处理图像，实现了自动对原始图像中各单条染色体进行分割的工作，另一方面，根据第二语义分割模型和单条染色体的形态特征对染色体中各单条染色体的边缘进行分割，从单条染色体本身的形态的维度，以及多条染色体的边缘特征的维度出发，对各单条染色体的边缘进行分割，提高了单条染色体的分割效果。