基于深度学习的双着丝粒染色体自动检测
计算机视觉与模式识别
2022-04-19 v1
摘要
双着丝粒染色体的自动检测是估算辐射暴露和开发端到端应急生物剂量系统的重要步骤。在事故期间，需要处理大量数据以进行广泛检测来制定面向群众的医疗处理方案，这要求该过程自动化。当前方法需要根据数据人工调整，因此需要人类专家校准系统。本文提出一种完全数据驱动的框架，所需领域专家干预最小，并可相对容易地部署于应急情况。我们的方法使用 YOLOv4 检测染色体并去除每张图像中的碎片，随后由分类器区分可分析染色体与不可分析染色体。图像根据 WHO-BIODOSNET 描述的协议从 YOLOv4 提取。可分析染色体被分类为单着丝粒或双着丝粒，并基于可分析染色体计数接受图像以用于剂量估算考量。我们在双着丝粒与单着丝粒染色体 1:1 划分上报告双着丝粒识别准确率为 94.33%。
引用
@article{arxiv.2204.08029,
title = {Deep Learning based Automatic Detection of Dicentric Chromosome},
author = {Angad Singh Wadhwa and Nikhil Tyagi and Pinaki Roy Chowdhury},
journal= {arXiv preprint arXiv:2204.08029},
year = {2022}
}