基于对抗学习多尺度特征的重叠染色体自动分割方法

摘要

本发明公开了一种面向基于对抗学习多尺度特征的重叠染色体自动分割方法的生成对抗神经网络研究，人类染色体分析的挑战是染色体自动分割的重叠，这阻碍了医学诊断和生物医学研究。因此，本发明提出了一个对抗多尺度特征学习框架，采用嵌套U形网络(NestedUNet)作为生成器，旨在利用多尺度特征探索染色体图像的“最优”表示；使用条件生成对抗网络(cGAN)对抗学习来推动输出分布更接近金标准图像；采用最小二乘GAN目标来提高框架的训练稳定性；利用Lovász‑Softmax损失进行连续性的优化，取得了更好的性能。本发明实验结果表明，本发明方法在主观视觉的效果和客观评价的标准上都会优于其他传统的算法。