使用深度学习与传统图像处理的自动渐进染色体细分方法

科学领域:

• 遗传学和生物信息学
• 医学成像分析 医学成像分析
• 计算生物学 计算生物学

背景情况:

• 精确的染色体细分对于检测遗传疾病和减少细胞遗传学专家工作量至关重要.
• 自动细分的挑战包括非刚性染色体结构和不可预测的染色体碰触或重叠的集群.
• 现有的方法难以应对元相染色体图像的复杂性.

研究的目的:

• 开发一个全自动的渐进细分方法,用于基相染色体图像.
• 提高基因分析中的染色体细分的准确性和效率.
• 为了应对分割重叠和接触染色体的挑战.

主要方法:

• 一种三阶段的渐进细分方法,结合了深度学习和传统的图像处理.
• 第1阶段:用于初始染色体和分离的基于值和几何方法.
• 第二阶段:一个新的染色体集群识别网络 (CCI-Net) 用于分类集群类型.
• 第三阶段:将传统的图像处理与深层卷积神经网络 (CNN) 集成,例如从已识别的集群中对染色体进行细分.

主要成果:

• 拟议的方法在染色体集群识别中实现了94.60%的准确性.
• 在1148个基相染色体图像的临床数据集上,实例细分的准确性达到99.15%.
• 该方法有效地处理复杂的染色体集群,并执行完全自动的细分.

结论:

• 自动渐进细分法显著提高了染色体分析的准确性.
• CCI-Net和综合分段战略成功地解决了染色体集群带来的挑战.
• 这种自动化系统为遗传疾病检测和细胞遗传学分析提供了宝贵的工具.