基于图像处理技术与自编码器的染色体分割分析
计算机视觉与模式识别
2022-09-13 v1
摘要
从中期图像中进行染色体分析与识别是基于细胞遗传学的医学诊断的关键部分。它主要用于在遗传疾病与障碍诊断中识别先天、产前和获得性异常。从中期图像中识别染色体的过程繁琐，需要训练有素的人员和数小时来完成。挑战尤其在于处理中期图像中接触、重叠和成簇的染色体，若分割不当将导致错误分类。我们提出一种方法，自动化从给定中期图像中检测和分割染色体的过程，并利用它们通过深度 CNN 架构进行分类以获知染色体类型。我们使用了两种方法来处理中期图像中发现的重叠染色体分离——一种涉及分水岭算法继以自编码器的方法，另一种纯基于分水岭算法的方法。这些方法结合了自动化与极少量人工干预来执行分割并产生输出。人工干预确保将人类直觉纳入考虑，尤其在处理接触、重叠和成簇染色体时。分割后，单个染色体图像随后通过深度 CNN 模型以 95.75% 的准确率分类至各自类别。此外，我们给出了一种分配策略，将给定输出（正常人类场景下通常由 46 个单独图像组成）中的这些染色体分类至其个体类别，准确率达 98%。我们的研究有助于得出结论：染色体分割中涉及的纯人工干预可通过图像处理技术自动化到非常好的程度，从而产生可靠且令人满意的结果。
引用
@article{arxiv.2209.05414,
title = {Chromosome Segmentation Analysis Using Image Processing Techniques and Autoencoders},
author = {Amritha S Pallavoor and Prajwal A and Sundareshan TS and Sreekanth K Pallavoor},
journal= {arXiv preprint arXiv:2209.05414},
year = {2022}
}