深度异常生成：一种合成异常带纹染色体图像的影像翻译方法

基于深度学习的流水线之进展已在多种显微镜图像诊断中带来突破。然而，由于标注成本高，通常难以获得足够大的训练数据集。就带纹染色体图像而言，由于某些遗传疾病的罕见性，为多种病症建立足够大的库是困难的。生成对抗网络（GAN）已被证明能有效生成合成图像并扩展训练数据集。在我们的工作中，我们实现了一个条件对抗网络，允许根据用户定义的带纹模式生成逼真的单染色体图像。为此，采用了一种基于自生成二维染色体分割标签图的图到图翻译方法。我们的验证表明，在合成具有已见及未见带纹模式的染色体时结果令人鼓舞。我们相信该方法可被用于带结构异常的染色体数据集的数据增强。因此，所提方法可有助于解决细胞遗传学领域的医学图像分析问题，如数据模拟、分割、检测或分类。