声明
缩略语对照表
第一章 绪论
1.1 染色体核型分析的意义
1.1.1 染色体核型分析在临床的应用
1.1.2 核型分析自动化的必要性
1.2 核型分析的研究进展
1.2.1 核型分析的发展史
1.2.2 染色体图像识别
1.2.3 染色体图像分割
1.3 染色体的带纹和特征
1.4 该课题的研究意义和目标
第二章 训练一个能识别24 种染色体的深度学习网络模型
2.1 引言
2.2 实验装置和材料
2.2.1 实验平台
2.2.2 实验材料
2.3 训练数据集的生成
2.3.1 分割“像素堆”
2.3.2 自动提取每条染色体的编号
2.3.3 CPU并行处理加快分割速度
2.3.4 数据集扩增
2.4 利用ResNet50训练模型
2.4.1 ResNet50 框架
2.4.2 模型的训练和优化
2.5 本章小结
第三章 交叉及粘连染色体图像分割模型的建立
3.1 引言
3.2 实验装置和材料
3.2.1 实验平台
3.2.2 实验材料
3.3 染色体G显带灰度图像的预处理
3.3.1 染色体图像亮度和对比度的增加
3.3.2 染色体图像的清晰化处理
3.4 对图像进行初步分割
3.4.1 把图像中轻微连接的染色体分开
3.4.2 通过查找并绘制轮廓的方式把染色体初步分开
3.4.3 初步去除杂质
3.5 利用Mask RCNN框架训练实例分割模型
3.5.1 Mask RCNN 框架
3.5.2 训练数据集的生成
3.5.3 模型训练和分割结果
3.6 本章小结
第四章 整合一个病例的多张中期染色体G显带灰度图像
4.1 引言
4.2 实验装置和材料
4.2.1 实验平台
4.2.2 实验材料
4.3 初步分割一个病例的所有核型图
4.4 把初步分割出来的图像进行分类
4.4.1 利用ImageAI训练图像分类模型
4.4.2 用模型把图像分为三类
4.5 用Mask RCNN模型分割交叉和粘连的染色体图像
4.6 整合分割和分类后的图像数据集
4.6.1 把染色体条带图像提取到224*224分辨率的白色背景上
4.6.2 对图像去噪
4.6.3 把染色体图像在背景中旋转竖直
4.6.4 利用ImageAI对染色体图像的质量进行分类
4.6.5 依据分割出的染色体图片文件名对图片分类保存
4.7 分析病例每个编号的染色体条数
4.7.1 统计每张核型图中每个编号的染色体条数
4.7.2 依据阈值来确定病例的每个编号的染色体条数
4.8 整合出一张按编号排列的核型图
4.8.1 挑选符合条件的最佳图像
4.8.2 整合图像
4.9 6个病人的染色体图像样本分割和组合结果的统计
4.10 本章小结
第五章 染色体核型诊断的初步探索
5.1 引言
5.2 实验装置和材料
5.2.1 实验平台
5.2.2 实验材料
5.3 训练一个能识别25种染色体的深度学习网络模型
5.3.1 训练数据集的生成
5.3.2 模型的训练和测试
5.4 判别染色体数目是否异常
5.5 判断染色体结构是否异常
5.5.1 训练数据集的生成
5.5.2 模型的训练和测试
5.6 本章小结
全文总结和展望
参考文献
攻读硕士学位期间取得的科研成果
致谢
西北大学;
