基于可靠性度量和数据修剪分类器的低质量G显带染色体图像精确分类
计算机视觉与模式识别
2025-10-28 v1 人工智能
摘要
在过去的十年中，由于高分辨率相机和精确的中期分析，染色体分类的准确性得到了显著提高。然而，当前的核型分析系统需要大量高质量的训练数据，才能对每条染色体具有足够合理的精确度。在一些偏远的病理实验室中，尚无法通过精确设备提供此类高质量训练数据。为了防止低成本系统和低质量图像设置中的假阳性检测，本文通过提出的可靠性阈值度量和精心设计的特征来提高染色体的分类精确度。所提出的方法使用深度Alex-Net神经网络、SVM、K近邻及其级联流水线的变体对半直染色体进行自动过滤，并进行了评估。对于具有更常见缺陷和易位的染色体，分类结果显著提高，超过90%。此外，对所提出的阈值度量进行了比较分析，并加粗显示了最佳度量及其显著特征。在非常低质量的G显带数据库上获得的高精确度结果验证了所提出的度量和修剪方法适用于贫困国家和低预算病理实验室的核型分析设施。
引用
@article{arxiv.2510.21827,
title = {Precise classification of low quality G-banded Chromosome Images by reliability metrics and data pruning classifier},
author = {Mojtaba Moattari},
journal= {arXiv preprint arXiv:2510.21827},
year = {2025}
}