染色体网:基于深度学习的自动化染色体检测在元相细胞图像中
Chih-En Kuo1, Jun-Zhou Li2, Jenn-Jhy Tseng3
1Institute of Data Science and Information ComputingNational Chung Hsing University Taichung 402 Taiwan.
IEEE open journal of engineering in medicine and biology
|February 5, 2025
概括
一个新的深度学习系统,染色体网,自动化染色体检测和识别从元相细胞图像. 这种先进的工具实现了高精度,为产前护理和染色体疾病查提供了切实可行的解决方案.
科学领域:
- 遗传学和基因组学 遗传学和基因组学
- 计算生物学 计算生物学
- 医学成像分析 医学成像分析
背景情况:
- 染色体疾病是由染色体数量或结构异常引起的,因此在产前护理中需要精确的染色体查.
- 手动染色体分析耗时且资源密集,特别是随着产前诊断需求的不断增长.
- 染色体检测和识别的自动化方法对于减轻人类劳动力资源的压力至关重要.
研究的目的:
- 开发和评估基于深度学习的系统,用于在元相细胞图像中自动检测和识别染色体.
- 通过在未经预处理的情况下处理原始图像来创建适用于临床环境的系统.
- 评估系统的性能,特别是医生识别的具有挑战性的图像.
主要方法:
- 一个深度学习系统 - - 染色体网 (ChromosomesNet) - - 是使用5000个元相细胞图像 (229,852个染色体) 的大型数据库开发出来的.
- 染色体网集成了一阶段和两阶段模型的优势,接受原始图像作为直接输入.
- 该系统使用3827个简单图像和1173个困难图像进行了验证,这些图像由医疗专业人员分类.
主要成果:
- 使用COCOAPI的mAP50评估方法,ChromosomesNet实现了99.60%的高精度.
- 该系统表现出卓越的性能,回忆率为99.9%,F1得分为99.49%,优于其他五种物体检测方法.
- 值得注意的是,ChromosomesNet在检测困难的染色体图像方面取得了99.5%的准确性,超过了之前的研究.
结论:
- 拟议的ChromosomesNet系统表现出强大的稳定性,强大的性能和在染色体分析中临床使用的实际适用性.
- 该系统的有效性在大量数据集上得到验证,包括具有挑战性的图像,超过了先前研究的范围.
- 建议对来自不同临床环境的数据进行进一步的跨医院验证,以确认其广泛的临床实用性.
