CN113723370B - 基于斜框的染色体检测方法及装置 - Google Patents
基于斜框的染色体检测方法及装置 Download PDFInfo
- Publication number
- CN113723370B CN113723370B CN202111279406.4A CN202111279406A CN113723370B CN 113723370 B CN113723370 B CN 113723370B CN 202111279406 A CN202111279406 A CN 202111279406A CN 113723370 B CN113723370 B CN 113723370B
- Authority
- CN
- China
- Prior art keywords
- chromosome
- frame
- metaphase
- map
- oblique
- 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.)
- Active
Links
Images
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供一种基于斜框的染色体检测方法及装置。所述方法包括如下步骤:采集染色体中期图数据集,在染色体中期图对每条染色体标注出其轮廓;根据每条染色体的轮廓生成其对应的斜框,所述斜框的信息表示为x1,y1,w1,h1,t1及c1,其中,x1和y1表示斜框的中心点的横纵坐标,w1和h1表示斜框的宽和高,t1表示斜框长边逆时针转到水平方向的夹角,c1表示对应该斜框对应的染色体的类别;根据斜框的信息表示生成染色体中期图的标签;用带有标签的染色体中期图训练预设的斜框检测模型;将待检测的染色体中期图输入到斜框检测模型中;斜框检测模型输出染色体中期图中各个染色体对应斜框的信息表示,能够有效提升染色体检测能力。
Description
技术领域
本发明涉及智能医疗技术领域,尤其涉及一种基于斜框的染色体检测方法及装置。
背景技术
在进行染色体核型分析的过程中,分割和识别染色体的技术主要有两种。
第一种是单纯的分割办法,即将中期图中染色单体使用训练好的分割模型直接分割出来,之后再送到已训练好的分类模型中进而完成染色单体的识别过程。此方法存在的致命缺陷即是当染色体出现粘连的时候,分割出来的mask就无法正常的对应染色体的区域,进而影响后续染色体识别的过程。
第二种是传统框检测方法,即通过目标检测模型框出染色单体,此方法虽然解决了分割方法mask之间的部分粘连问题,同时又伴随着一个新的问题出现,即染色体绝大部分情况不是垂直或者水平的状态,而传统的框检测中的框确都是垂直或者水平状态的正框,故而导致传统框一个框中可能会有多条染色体的情况出现,故而影响染色体的识别,这对于染色体核型分析来说影响重大。
发明内容
本发明的目的在于提供一种基于斜框的染色体检测方法,能够提升染色体检测能力,有效解决染色体粘连问题及传统检测框中一个框包含多条染色体的情况。
本发明的目的还在于提供一种基于斜框的染色体检测装置,能够提升染色体检测能力,有效解决染色体粘连问题及传统检测框中一个框包含多条染色体的情况。
为实现上述目的,本发明提供一种基于斜框的染色体检测方法,包括如下步骤:
步骤S1、采集染色体中期图数据集,在染色体中期图中对每条染色体标注出其轮廓;
步骤S2、根据每条染色体的轮廓生成其对应的斜框,所述斜框的信息表示为x1,y1,w1,h1,t1及c1,其中,x1和y1表示斜框的中心点的横纵坐标,w1和h1表示所述斜框的宽和高,t1表示所述斜框长边逆时针转到水平方向的夹角,c1表示所述斜框对应的染色体的类别;
步骤S3、根据所述斜框的信息表示生成所述染色体中期图的标签,得到带有标签的染色体中期图;
步骤S4、用带有标签的染色体中期图训练预设的斜框检测模型,得到训练后的斜框检测模型;
步骤S5、将待检测的染色体中期图输入到斜框检测模型中;
步骤S6、所述斜框检测模型对所述待检测的染色体中期图进行检测,并输出所述待检测的染色体中期图中各个染色体对应斜框的信息表示。
可选地,所述根据所述斜框的信息表示生成所述染色体中期图的标签具体包括:
对所述斜框长边逆时针转到水平方向的夹角做one-hot编码及平滑处理,最后将其转为环形平滑的染色体中期图的标签。
可选地,,通过对所述斜框长边逆时针转到水平方向的夹角做one-hot编码,使其转换为180维的向量,并对该向量做高斯分布的平滑处理。
可选地,所述斜框长边逆时针转到水平方向的夹角的范围为0至180度。
可选地,所述斜框的形状为矩形。
本发明还提供一种基于斜框的染色体检测装置,包括:
采集单元,所述采集单元用于采集染色体中期图数据集;
标注单元,所述标注单元用于在所述染色体中期图中对每条染色体标注出其轮廓;
标签生成单元,根据每条染色体的轮廓生成其对应的斜框,以及根据所述斜框的信息表示生成所述染色体中期图的标签,得到带有标签的染色体中期图,所述斜框的信息表示为x1,y1,w1,h1,t1及c1,其中,x1和y1表示斜框的中心点的横纵坐标,w1和h1表示所述斜框的宽和高,t1表示所述斜框长边逆时针转到水平方向的夹角,c1表示所述斜框对应的染色体的类别;;
训练单元,所述训练单元用于用带有标签的染色体中期图训练预设的斜框检测模型,得到训练后的斜框检测模型;
输入单元,用于将待检测的染色体中期图输入到斜框检测模型中;
检测单元,用于通过所述斜框检测模型对所述待检测的染色体中期图进行检测,并输出所述染色体中期图中各个染色体对应斜框的信息表示。
可选地,所述根据所述斜框的信息表示生成所述染色体中期图的标签具体包括:
对斜框长边逆时针转到水平方向的夹角做one-hot编码及平滑处理,最后将其转为环形平滑的染色体中期图的标签。
可选地,通过对斜框长边逆时针转到水平方向的夹角做one-hot编码,使其转换为180维的向量,并对该向量做高斯分布的平滑处理。
可选地,所述斜框长边逆时针转到水平方向的夹角的范围为0至180度。
可选地,所述斜框的形状为矩形。
本发明的有益效果:本发明提供一种基于斜框的染色体检测方法,包括如下步骤:步骤S1、采集染色体中期图数据集,在染色体中期图中对每条染色体标注出其轮廓;步骤S2、根据每条染色体的轮廓生成其对应的斜框,所述斜框的信息表示为x1,y1,w1,h1,t1及c1,其中,x1和y1表示斜框的中心点的横纵坐标,w1和h1表示所述斜框的宽和高,t1表示所述斜框长边逆时针转到水平方向的夹角,c1表示所述斜框对应的染色体的类别;步骤S3、根据所述斜框的信息表示生成所述染色体中期图的标签,得到带有标签的染色体中期图;步骤S4、用带有标签的染色体中期图训练预设的斜框检测模型,得到训练后的斜框检测模型;步骤S5、将待检测的染色体中期图输入到斜框检测模型中;步骤S6、所述斜框检测模型对所述待检测的染色体中期图进行检测,并输出所述待检测的染色体中期图中各个染色体对应斜框的信息表示,能够提升染色体检测能力,有效解决染色体粘连问题及传统检测框中一个框包含多条染色体的情况。
附图说明
为了能更进一步了解本发明的特征以及技术内容,请参阅以下有关本发明的详细说明与附图,然而附图仅提供参考与说明用,并非用来对本发明加以限制。
附图中,
图1为本发明的基于斜框的染色体检测方法的流程图
图2为根据传统检测框对第一染色体中期图的检测结果图;
图3为本发明的基于斜框的染色体检测方法对第一染色体中期图的检测结果图;
图4为根据传统检测框对第二染色体中期图的检测结果图;
图5为本发明的基于斜框的染色体检测方法对第二染色体中期图的检测结果图;
图6为本发明的基于斜框的染色体检测装置的结构图。
具体实施方式
为更进一步阐述本发明所采取的技术手段及其效果,以下结合本发明的优选实施例及其附图进行详细描述。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”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,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
请参阅图1,本发明首先提供一种基于斜框的染色体检测方法,包括如下步骤:
步骤S1、采集染色体中期图数据集,在所述染色体中期图对每条染色体标注出其轮廓。
具体地,所述染色体中期图为包括多条染色体的分布的影像。
步骤S2、根据每条染色体的轮廓生成其对应的斜框,所述斜框的信息表示为x1,y1,w1,h1,t1及c1,其中,x1和y1表示斜框的中心点的横纵坐标,w1和h1表示所述斜框的宽和高,t1表示所述斜框长边逆时针转到水平方向的夹角,c1表示所述斜框对应的染色体的类别。
具体地,所述步骤S2每条染色体对应的斜框应完整包围住该条染色体的轮廓。
通常来说,基于yolov5的传统矩形框检测中矩形框的四边与染色体中期图的四边分别平行,也即所述矩形框的中心线为一定是竖直状态或水平状态,该矩形框表示为x、y、w、h及c,以中期图左上角为坐标原点,x和y是矩形框的左上角相对整个中期图的坐标,w和h分别为矩形框的宽度和高度,c为染色体类别即属于几号染色体。
而本发明的斜框信息表示为为x1, y1, w1, h1, t1, c1共六个变量,其中,x1和y1表示斜框的中心点的横纵坐标,w1和h1表示所述斜框的宽和高,t1表示所述斜框长边逆时针转到水平方向的夹角,c1表示所述斜框对应的染色体的类别。
由此可见,本发明的斜框检测方法相比于传统矩形框检测方法增加了一维角度信息。
步骤S3、根据所述斜框的信息表示生成所述染色体中期图的标签,得到带有标签的染色体中期图。
具体地,所述根据所述斜框的信息表示生成所述染色体中期图的标签具体包括:
对所述斜框长边逆时针转到水平方向的夹角做独热(One-hot)编码及平滑处理,最后将其转为环形平滑的染色体中期图的标签。
进一步地,对所述斜框长边逆时针转到水平方向的夹角做one-hot编码及平滑处理具体是指,通过对所述斜框信息中的斜框长边逆时针转到水平方向的夹角做one-hot编码,使其转换为180维的向量,并对该向量做高斯分布的平滑处理。
需要说明的是,通过one-hot编码将所述斜框长边逆时针转到水平方向的夹角转化为180维的向量,并且为所述向量做了符合高斯分布的平滑处理,能够使得所述斜框检测模型更好的完成所述斜框的信息表示中的角度信息的学习,从而保证斜框检测模型拥有优秀的斜框检测能力,极大解决染色体粘连问题以及传统矩形框检测中一个矩形框包含多条染色体的情况。
具体地,所述斜框信息中的斜框长边逆时针转到水平方向的夹角的范围为0至180度。
步骤S4、用带有标签的染色体中期图训练预设的斜框检测模型,得到训练后的斜框检测模型。
可选地,所述斜框检测模型为基于yolov5的神经网络模型。
步骤S5、将待检测的染色体中期图输入到斜框检测模型中。
步骤S6、所述斜框检测模型对所述待检测的染色体中期图进行检测,并输出所述染色体中期图中各个染色体的斜框信息。
具体地,所述步骤S5及步骤S6中的斜框检测模型均为训练后的斜框检测模型。
具体地,所述斜框的形状为矩形,相比于传统的矩形框,该斜框虽然也是矩形,但其四边并非一定与染色体中期图的四边分别平行,也即该斜框的中心线并非一定处于水平或竖直状态,实际上,根据需要所述斜框的四边可以与染色体中期图的四边分别形成0~180度的夹角。
举例来说,在本发明的一些实施例中,如图2及图3所示,图2为根据传统矩形框检测对第一染色体中期图的检测结果图,图3为本发明的基于斜框的染色体检测方法对第一染色体中期图的检测结果图,在图2中,第一染色体10基本处于水平状态,而第二染色体20与第一染色体10交叉且不与第一染色体10垂直,第一矩形框30框住第一染色体10,第二矩形框40框住第二染色体20,此时为了框住第二染色体20,由于传统的矩形框不能倾斜,因此第二矩形框40必须框住一个较大的范围才能完整的框住第二染色体20,相应地,第一染色体10的大部分也被框进了第二矩形框40中,进而出现了一个框中包括多条染色体的情况,导致后续的染色体的识别产生不利影响,严重影响染色体核型分析的有效性和准确性,作为对比,图3中两条染色体的位置与图2中完全一致,而由于本发明的方法中加入了角度信息,使得矩形框可以倾斜形成斜框,第一斜框30’框住第一染色体10,第二斜框40’框住第二染色体20,此时第一斜框30’与第二斜框40’中均只包含一条染色体,相比于传统的矩形框检测有效避免了一个框中包括多条染色体的情况,保证了染色体的识别与检测的有效性与准确性,充分满足了医生对核型分析中的需求。
在本发明的另一些实施例中,如图4及图5所示,图4为根据传统矩形框检测对第二染色体中期图的检测结果图,图5为本发明的基于斜框的染色体检测方法对第二染色体中期图的检测结果图,在图4中,第三染色体50与第四染色体60呈X形交叉,第三矩形框70框住第三染色体50,第四矩形框80框住第四染色体60,此时为了框住第三染色体50与第四染色体60,由于传统的矩形框不能倾斜,因此第三矩形框70和第四矩形框80均必须框住一个较大的范围才能完整的框住第三染色体50与第四染色体60,相应地,第三染色体50与第四染色体60均同时出现在了第三矩形框70和第四矩形框80中,进而出现了一个框中包括多条染色体的情况,导致后续的染色体的识别产生不利影响,严重影响染色体核型分析的有效性和准确性,作为对比,图5中两条染色体的位置与图4中完全一致,而由于本发明的方法中加入了角度信息,使得矩形框可以倾斜形成斜框,第三斜框70’框住第三染色体50,第四斜框80’框住第四染色体60,此时第三斜框70’与第四斜框80’中均只包含一条染色体,相比于传统的矩形框检测有效避免了一个框中包括多条染色体的情况,保证了染色体的识别与检测的有效性与准确性,充分满足了医生对核型分析中的需求。
请参阅图6,本发明提供一种基于斜框的染色体检测装置,包括:
采集单元100,所述采集单元用于采集染色体中期图数据集;
标注单元200,所述标注单元用于在所述染色体中期图中对每条染色体标注出其轮廓;
标签生成单元300,根据每条染色体的轮廓生成其对应的斜框,以及根据所述斜框的信息表示生成所述染色体中期图的标签,得到带有标签的染色体中期图,所述斜框的信息表示为x1,y1,w1,h1,t1及c1,其中,x1和y1表示斜框的中心点的横纵坐标,w1和h1表示所述斜框的宽和高,t1表示所述斜框长边逆时针转到水平方向的夹角,c1表示所述斜框对应的染色体的类别;;
训练单元400,所述训练单元用于用带有标签的染色体中期图训练预设的斜框检测模型,得到训练后的斜框检测模型;
输入单元500,用于将待检测的染色体中期图输入到斜框检测模型中;
检测单元600,用于通过所述斜框检测模型对所述待检测的染色体中期图进行检测,并输出所述染色体中期图中各个染色体对应斜框的信息表示。
具体地,染色体中期图为包括多条染色体的分布的影像。
具体地,所述每条染色体对应的斜框应完整包围住该条染色体的轮廓。
通常来说,基于yolov5的传统矩形框检测中矩形框的四边与染色体中期图的四边分别平行,也即所述矩形框的中心线为一定是竖直状态或水平状态,该矩形框表示为x、y、w、h及c,以中期图左上角为坐标原点,x和y是矩形框的左上角相对整个中期图的坐标,w和h分别为矩形框的宽度和高度,c为染色体类别即属于几号染色体。
而本发明的斜框信息表示为为x1, y1, w1, h1, t1, c1共六个变量,其中,x1和y1表示斜框的中心点的横纵坐标,w1和h1表示所述斜框的宽和高,t1表示所述斜框长边逆时针转到水平方向的夹角,c1表示所述斜框对应的染色体的类别。
由此可见,本发明的斜框检测相比于基于yolov5的传统矩形框检测增加了一维角度信息。
具体地,所述根据所述斜框的信息表示生成所述染色体中期图的标签具体包括:
对所述斜框长边逆时针转到水平方向的夹角做独热(One-hot)编码及平滑处理,最后将其转为环形平滑的染色体中期图的标签。
进一步地,对所述斜框长边逆时针转到水平方向的夹角做one-hot编码及平滑处理具体是指,通过对所述斜框信息中的斜框长边逆时针转到水平方向的夹角做one-hot编码,使其转换为180维的向量,并对该向量做高斯分布的平滑处理。
需要说明的是,通过one-hot编码将所述斜框长边逆时针转到水平方向的夹角转化为180维的向量,并且为所述向量做了符合高斯分布的平滑处理,能够使得所述斜框检测模型更好的完成所述斜框的信息表示中的角度信息的学习,从而保证斜框检测模型拥有优秀的斜框检测能力,极大解决染色体粘连问题以及传统矩形框检测中一个矩形框包含多条染色体的情况。
具体地,所述斜框信息中的斜框长边逆时针转到水平方向的夹角的范围为0至180度。
可选地,所述斜框检测模型为基于yolov5的神经网络模型。
举例来说,在本发明的一些实施例中,如图2及图3所示,图2为根据传统矩形框检测对第一染色体中期图的检测结果图,图3为本发明的基于斜框的染色体检测方法对第一染色体中期图的检测结果图,在图2中,第一染色体10基本处于水平状态,而第二染色体20与第一染色体10交叉且不与第一染色体10垂直,第一矩形框30框住第一染色体10,第二矩形框40框住第二染色体20,此时为了框住第二染色体20,由于传统的矩形框不能倾斜,因此第二矩形框40必须框住一个较大的范围才能完整的框住第二染色体20,相应地,第一染色体10的大部分也被框进了第二矩形框40中,进而出现了一个框中包括多条染色体的情况,导致后续的染色体的识别产生不利影响,严重影响染色体核型分析的有效性和准确性,作为对比,图3中两条染色体的位置与图2中完全一致,而由于本发明的方法中加入了角度信息,使得矩形框可以倾斜形成斜框,第一斜框30’框住第一染色体10,第二斜框40’框住第二染色体20,此时第一斜框30’与第二斜框40’中均只包含一条染色体,相比于传统的矩形框检测有效避免了一个框中包括多条染色体的情况,保证了染色体的识别与检测的有效性与准确性,充分满足了医生对核型分析中的需求。
在本发明的另一些实施例中,如图4及图5所示,图4为根据传统矩形框检测对第二染色体中期图的检测结果图,图5为本发明的基于斜框的染色体检测方法对第二染色体中期图的检测结果图,在图4中,第三染色体50与第四染色体60呈X形交叉,第三矩形框70框住第三染色体50,第四矩形框80框住第四染色体60,此时为了框住第三染色体50与第四染色体60,由于传统的矩形框不能倾斜,因此第三矩形框70和第四矩形框80均必须框住一个较大的范围才能完整的框住第三染色体50与第四染色体60,相应地,第三染色体50与第四染色体60均同时出现在了第三矩形框70和第四矩形框80中,进而出现了一个框中包括多条染色体的情况,导致后续的染色体的识别产生不利影响,严重影响染色体核型分析的有效性和准确性,作为对比,图5中两条染色体的位置与图4中完全一致,而由于本发明的方法中加入了角度信息,使得矩形框可以倾斜形成斜框,第三斜框70’框住第三染色体50,第四斜框80’框住第四染色体60,此时第三斜框70’与第四斜框80’中均只包含一条染色体,相比于传统的矩形框检测有效避免了一个框中包括多条染色体的情况,保证了染色体的识别与检测的有效性与准确性,充分满足了医生对核型分析中的需求。
综上所述,本发明提供一种基于斜框的染色体检测方法,包括如下步骤:步骤S1、采集染色体中期图数据集,在所述染色体中期图对每条染色体标注出其轮廓;步骤S2、根据每条染色体的轮廓生成其对应的斜框信息,所述斜框信息表示为x1,y1,w1,h1,t1及c1,其中,x1和y1表示斜框的中心点的横纵坐标,w1和h1表示所述斜框的宽和高,t1表示所述斜框长边逆时针转到水平方向的夹角,c1表示对应该所述斜框对应的染色体的类别;步骤S3、根据所述斜框信息生成所述染色体中期图的标签,得到带有标签的染色体中期图;步骤S4、用带有标签的染色体中期图训练预设的斜框检测模型,得到训练后的斜框检测模型;步骤S5、将待检测的染色体中期图输入到斜框检测模型中;步骤S6、所述斜框检测模型对所述待检测的染色体中期图进行检测,并输出所述染色体中期图中各个染色体的斜框信息,能够提升染色体检测能力,有效解决染色体粘连问题及传统检测框中一个框包含多条染色体的情况。
以上所述,对于本领域的普通技术人员来说,可以根据本发明的技术方案和技术构思作出其他各种相应的改变和变形,而所有这些改变和变形都应属于本发明权利要求的保护范围。
Claims (10)
1.一种基于斜框的染色体检测方法,其特征在于,包括如下步骤:
步骤S1、采集染色体中期图数据集,在染色体中期图中对每条染色体标注出其轮廓;
步骤S2、根据每条染色体的轮廓生成其对应的斜框,所述斜框的信息表示为x1,y1,w1,h1,t1及c1,其中,x1和y1表示斜框的中心点的横纵坐标,w1和h1表示所述斜框的宽和高,t1表示所述斜框长边逆时针转到水平方向的夹角,c1表示所述斜框对应的染色体的类别;
步骤S3、根据所述斜框的信息表示生成所述染色体中期图的标签,得到带有标签的染色体中期图;
步骤S4、用带有标签的染色体中期图训练预设的斜框检测模型,得到训练后的斜框检测模型;
步骤S5、将待检测的染色体中期图输入到斜框检测模型中;
步骤S6、所述斜框检测模型对所述待检测的染色体中期图进行检测,并输出所述待检测的染色体中期图中各个染色体对应斜框的信息表示。
2.如权利要求1所述的基于斜框的染色体检测方法,其特征在于,所述根据所述斜框的信息表示生成所述染色体中期图的标签具体包括:
对所述斜框长边逆时针转到水平方向的夹角做one-hot编码及平滑处理,最后将其转为环形平滑的染色体中期图的标签。
3.如权利要求2所述的基于斜框的染色体检测方法,其特征在于,通过对所述斜框长边逆时针转到水平方向的夹角做one-hot编码,使其转换为180维的向量,并对该向量做高斯分布的平滑处理。
4.如权利要求1所述的基于斜框的染色体检测方法,其特征在于,所述斜框长边逆时针转到水平方向的夹角的范围为0至180度。
5.如权利要求1所述的基于斜框的染色体检测方法,其特征在于,所述斜框的形状为矩形。
6.一种基于斜框的染色体检测装置,其特征在于,包括:
采集单元,所述采集单元用于采集染色体中期图数据集;
标注单元,所述标注单元用于在所述染色体中期图中对每条染色体标注出其轮廓;
标签生成单元,根据每条染色体的轮廓生成其对应的斜框,以及根据所述斜框的信息表示生成所述染色体中期图的标签,得到带有标签的染色体中期图,所述斜框的信息表示为x1,y1,w1,h1,t1及c1,其中,x1和y1表示斜框的中心点的横纵坐标,w1和h1表示所述斜框的宽和高,t1表示所述斜框长边逆时针转到水平方向的夹角,c1表示所述斜框对应的染色体的类别;
训练单元,所述训练单元用于用带有标签的染色体中期图训练预设的斜框检测模型,得到训练后的斜框检测模型;
输入单元,用于将待检测的染色体中期图输入到斜框检测模型中;
检测单元,用于通过所述斜框检测模型对所述待检测的染色体中期图进行检测,并输出所述染色体中期图中各个染色体对应斜框的信息表示。
7.如权利要求6所述的基于斜框的染色体检测装置,其特征在于,所述根据所述斜框的信息表示生成所述染色体中期图的标签具体包括:
对斜框长边逆时针转到水平方向的夹角做one-hot编码及平滑处理,最后将其转为环形平滑的染色体中期图的标签。
8.如权利要求7所述的基于斜框的染色体检测装置,其特征在于,通过对斜框长边逆时针转到水平方向的夹角做one-hot编码,使其转换为180维的向量,并对该向量做高斯分布的平滑处理。
9.如权利要求6所述的基于斜框的染色体检测装置,其特征在于,所述斜框长边逆时针转到水平方向的夹角的范围为0至180度。
10.如权利要求6所述的基于斜框的染色体检测装置,其特征在于,所述斜框的形状为矩形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111279406.4A CN113723370B (zh) | 2021-11-01 | 2021-11-01 | 基于斜框的染色体检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111279406.4A CN113723370B (zh) | 2021-11-01 | 2021-11-01 | 基于斜框的染色体检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113723370A CN113723370A (zh) | 2021-11-30 |
CN113723370B true CN113723370B (zh) | 2022-01-18 |
Family
ID=78686236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111279406.4A Active CN113723370B (zh) | 2021-11-01 | 2021-11-01 | 基于斜框的染色体检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723370B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101499165A (zh) * | 2009-03-09 | 2009-08-05 | 广东威创视讯科技股份有限公司 | 交叉重叠染色体的分割方法 |
CN111461068A (zh) * | 2020-04-27 | 2020-07-28 | 湖南自兴智慧医疗科技有限公司 | 一种染色体中期图识别和分割方法 |
CN113056745A (zh) * | 2020-03-14 | 2021-06-29 | 唐锐 | 一种倾斜矩形范围框标注方式 |
CN113378834A (zh) * | 2021-06-28 | 2021-09-10 | 北京百度网讯科技有限公司 | 目标检测方法、装置、设备、存储介质以及程序产品 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI765262B (zh) * | 2019-06-26 | 2022-05-21 | 長佳智能股份有限公司 | 根據仿真分離重疊染色體之分離模型的訓練方法及利用該分離模型分離重疊染色體的方法及系統 |
-
2021
- 2021-11-01 CN CN202111279406.4A patent/CN113723370B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101499165A (zh) * | 2009-03-09 | 2009-08-05 | 广东威创视讯科技股份有限公司 | 交叉重叠染色体的分割方法 |
CN113056745A (zh) * | 2020-03-14 | 2021-06-29 | 唐锐 | 一种倾斜矩形范围框标注方式 |
WO2021184139A1 (zh) * | 2020-03-14 | 2021-09-23 | 唐锐 | 一种倾斜矩形范围框标注方式 |
CN111461068A (zh) * | 2020-04-27 | 2020-07-28 | 湖南自兴智慧医疗科技有限公司 | 一种染色体中期图识别和分割方法 |
CN113378834A (zh) * | 2021-06-28 | 2021-09-10 | 北京百度网讯科技有限公司 | 目标检测方法、装置、设备、存储介质以及程序产品 |
Non-Patent Citations (3)
Title |
---|
A geometric approach to fully automatic chromosome segmentation;Minaee S,et al.;《 Proceedings of 2014 IEEE Signal Processing in Medicine and Biology Symposium》;20141213;全文 * |
AS-PANet:改进路径增强网络的重叠染色体实例分割;林成创 等;《中国图象图形学报》;20201031;全文 * |
人类染色体图像核型分析系统的研究与实现;吴思;《万方数据》;20201113;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113723370A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | FPCB surface defect detection: A decoupled two-stage object detection framework | |
WO2018108129A1 (zh) | 用于识别物体类别的方法及装置、电子设备 | |
CN103279768B (zh) | 一种基于增量学习人脸分块视觉表征的视频人脸识别方法 | |
CN109190623B (zh) | 一种识别投影仪品牌和型号的方法 | |
CN103439348B (zh) | 基于差影法的遥控器按键缺陷检测方法 | |
WO2013062738A1 (en) | Anomaly detection in images and videos | |
Cong et al. | Model-based segmentation of nuclei | |
CN113269257A (zh) | 一种图像分类方法、装置、终端设备及存储介质 | |
CN114511718B (zh) | 一种建筑施工用物料智能管理方法及系统 | |
CN113240716B (zh) | 一种多特征融合的孪生网络目标跟踪方法及系统 | |
CN111027526A (zh) | 一种提高车辆目标检测识别检测效率的方法 | |
CN116092179A (zh) | 一种改进的yolox跌倒检测系统 | |
CN114266860A (zh) | 三维人脸模型建立方法、装置、电子设备及存储介质 | |
CN113723370B (zh) | 基于斜框的染色体检测方法及装置 | |
CN113506288A (zh) | 基于transform注意力机制的肺结节检测方法及装置 | |
CN113378764A (zh) | 基于聚类算法的视频人脸采集方法、装置、设备及介质 | |
CN110287970B (zh) | 一种基于cam与掩盖的弱监督物体定位方法 | |
CN115330603B (zh) | 基于深度学习卷积神经网络的人类染色体图像摆正方法 | |
CN107146215A (zh) | 一种基于颜色直方图和凸包的显著性检测方法 | |
CN116824333A (zh) | 一种基于深度学习模型的鼻咽癌检测系统 | |
CN109460768B (zh) | 一种用于组织病理学显微图像的文本检测与去除方法 | |
US11978197B2 (en) | Inspection method for inspecting an object and machine vision system | |
CN109801428A (zh) | 纸币边缘直线的检测方法、检测装置及终端 | |
CN111967469B (zh) | 一种畸形文本矫正方法、系统及文字识别方法 | |
CN114926851A (zh) | 一种表格图片中表格结构的识别方法、系统及存储介质 |
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 |