多假设推理与约束反馈的染色体核型分析方法及系统与流程

摘要: 本发明属于医学图像处理和人工智能,具体地,涉及一种多假设推理与约束反馈的染色体核型分析方法及系统。背景技术:1、染色体核型分析需要从中期分裂相显微图像中识别、分...
多假设推理与约束反馈的染色体核型分析方法及系统与流程

本发明属于医学图像处理和人工智能,具体地,涉及一种多假设推理与约束反馈的染色体核型分析方法及系统。

背景技术:

1、染色体核型分析需要从中期分裂相显微图像中识别、分割并分类染色体,排列形成核型图,并为染色体数目异常或结构异常的识别提供图像分析依据。该过程通常依赖细胞遗传学技术人员的经验,处理时间较长,且容易受图像质量、染色体重叠以及人工疲劳等因素影响。

2、现有自动核型分析系统通常采用实例分割后对染色体进行分类,再判读异常的单路径确定性处理流程。实例分割阶段从中期分裂相图像中提取单条染色体掩码,染色体分类阶段对分割出的染色体进行分类,异常判读阶段再根据分类结果形成核型分析结果。在染色体重叠、触碰或边界模糊区域,实例分割本身具有不确定性;若前端仅保留置信度最高的单一分割结果,错误便会继续传递至分类和核型分析阶段。

3、此外,神经网络训练数据通常以正常染色体形态为主。面对样本数量较少的结构异常,分类网络可能对异常形态输出较低置信度,倾向于选择外观更接近正常染色体的解释。染色体总数、同源配对和形态分组等全局核型信息虽然能够用于评价最终结果,但在传统单向流水线中难以反向纠正前端的分割决定。

4、专利申请文献《染色体自动分析方法》(cn117476112a)公开了利用深度卷积神经网络对中期细胞图像中的染色体进行分割、分类并确定旋转角度的自动化核型分析方案,但该方案主要沿单次分割和分类结果形成核型图,未公开针对局部分割歧义保留多个假设、利用核型生物学约束和异常先验评价全局路径并反向修正分割的闭环机制。

5、专利文献《使用分割与分类神经网络的通用医学图像分析》(us10198832b2)公开了将眼组织图像输入一个或多个分割神经网络以获得多个分割图,并利用分类神经网络生成最终分类输出的方案,但其未针对染色体核型分析建立染色体总数、同源配对和形态分组约束,也未公开通过异常核型先验补偿正常规则对异常路径的抑制以及将全局路径评价结果反馈至局部分割的机制。

6、因此,需要一种能够在分割歧义区域保留多个局部分割假设、利用核型生物学规则和异常核型先验评价不同全局核型配置,并将评价结果反向用于修正实例分割和多假设生成的染色体核型分析方法。

技术实现思路

1、针对现有技术中的缺陷,本发明的目的是提供一种多假设推理与约束反馈的染色体核型分析方法及系统,旨在解决现有单路径确定性核型分析流程中,染色体重叠、触碰或边界模糊区域的分割错误不可逆传播,罕见异常核型容易受到正常样本偏差及正常核型规则抑制,以及全局核型评价结果不能反向修正局部分割的问题。

2、根据本发明提供的一种多假设推理与约束反馈的染色体核型分析方法,包括:

3、步骤s1、对染色体中期分裂相图像进行实例分割,识别分割歧义区域并生成多个局部分割假设,将局部分割假设组合为多条全局核型分割路径;

4、步骤s2、根据各全局核型分割路径中的染色体实例特征和核型约束信息,确定各全局核型分割路径的评价结果;

5、步骤s3、根据评价结果生成分割引导信息,并根据分割引导信息更新局部分割假设;

6、步骤s4、根据更新后的局部分割假设重新确定全局核型分割路径,输出染色体核型分析结果。

7、优选地,所述步骤s1中,处理器对图像采集器采集的染色体中期分裂相图像进行实例分割,识别分割歧义区域并生成多个局部分割假设,将局部分割假设组合为多条全局核型分割路径,包括:

8、步骤s1.1、对染色体中期分裂相图像进行实例分割,获得包括候选掩码及分割置信度的染色体候选实例集合。

9、步骤s1.2、将候选染色体之间存在空间重叠、边界接触、局部掩码冲突、骨架交叉或候选结果分歧的图像区域确定为候选区域,计算歧义度:

10、

11、其中,表示候选区域的歧义度;表示候选掩码的几何重叠度;表示像素级分割置信度方差;表示染色体骨架拓扑复杂度;表示候选密度;、、、均表示不同的预设权重。

12、将歧义度超过预设阈值的候选区域确定为分割歧义区域。

13、优选地,所述步骤s1还包括:

14、步骤s1.3、根据歧义度与预设的至少两个不同的歧义阈值确定局部分割假设数量。

15、通过调整候选保留阈值、对候选掩码进行边界扰动、从条件潜变量分布采样或对条件扩散过程进行反向采样中的至少一种方式,生成对应数量的局部分割假设。

16、所述局部分割假设数量随歧义度增加而增加。

17、步骤s1.4、从每个分割歧义区域选择一个局部分割假设,并与非歧义区域的染色体实例组合为一条全局核型分割路径。

18、若组合得到的路径数量不超过预设路径数量,则对局部分割假设执行完全枚举,若超过预设路径数量,则根据路径评分逐级保留候选路径,并删除候选掩码相互冲突或染色体实例数量偏离预设范围的候选路径。

19、优选地,所述步骤s2中,处理器根据各全局核型分割路径中的染色体实例特征进行类别识别,结合神经网络置信度、生物学规则约束以及异常核型先验补偿确定各全局核型分割路径的评价结果。

20、所述类别识别包括:

21、提取每条全局核型分割路径中每个染色体实例的最小外接矩形图像块;

22、根据染色体主轴方向对最小外接矩形图像块进行旋转校正;

23、将校正后的图像块缩放至分类网络的输入尺寸后输入分类网络;

24、输出各染色体实例属于1至22号常染色体、x染色体和y染色体的分类概率。

25、优选地,所述评价结果包括路径评分,由神经网络置信度、生物学规则约束以及异常核型先验补偿三个分量组合而成。

26、优选地,所述神经网络置信度分量由全局核型分割路径中的分割置信度、分类置信度及核型推理置信度确定:

27、

28、所述生物学规则约束分量由染色体总数约束、同源染色体配对约束及形态约束确定。

29、所述异常核型先验补偿分量通过将全局核型配置路径与异常核型先验库中的异常核型模式进行匹配确定。

30、所述路径评分为各条全局核型分割路径的核型一致性评分:

31、

32、其中,表示第条全局核型分割路径;、、、、均表示不同的预设权重;表示生物学规则约束分量。

33、优选地,所述生物学规则约束分量通过染色体总数约束、同源染色体配对约束及形态约束的乘积确定。

34、所述染色体总数约束根据染色体实例数量与正常染色体总数之间的偏差确定。

35、所述同源染色体配对约束根据1至22号常染色体分别对应的实例数量与同源染色体数量之间的偏差以及性染色体组合确定。

36、所述形态约束根据形态参数与相应染色体类别所属丹佛形态分组之间的一致程度确定。

37、所述形态参数包括染色体实例的相对长度、臂比、着丝点位置、主轴长度、短臂长度、长臂长度或带型分布。

38、优选地,所述异常核型先验补偿根据全局核型分割路径与各异常核型模式之间的最大匹配度计算获得。

39、所述异常核型模式包括异常名称、涉及的染色体编号、染色体数量特征、结构改变特征、形态改变特征、带型改变特征及匹配评分函数。

40、当异常核型先验补偿分量达到异常关注阈值时,将对应全局核型分割路径保留为异常关注路径,并将与异常核型模式相关的分割歧义区域确定为重点反馈区域。

41、优选地,所述步骤s3中,处理器根据评价结果生成作用于分割歧义区域的分割引导信息,将分割引导信息输入实例分割过程,并根据分割引导信息更新局部分割假设,包括:

42、步骤s3.1、根据路径评分对多条全局核型分割路径进行排序,对排序后的前k条全局核型分割路径进行复核并生成修正数据。

43、步骤s3.2、根据同源染色体配对约束确定应有未现的染色体类别,根据形态约束确定形态不一致区域,根据多个高评分全局核型分割路径之间的差异确定持续分歧区域,并根据异常核型先验补偿分量确定重点反馈区域。

44、步骤s3.3、结合应有未现的染色体类别、形态不一致区域、持续分歧区域、重点反馈区域及修正数据生成反馈信号。

45、步骤s3.4、将反馈信号转换为实例分割过程的分割引导信息。

46、所述分割引导信息包括额外输入通道、分割损失引导项、候选保留阈值调整量和/或局部分割假设采样条件。

47、步骤s3.5、基于分割引导信息迭代生成局部分割假设,直至达到预设的最大迭代次数、连续两轮最高路径评分的增量小于预设收敛阈值或候选路径排序保持稳定。

48、优选地,所述步骤s4中,处理器将评分最高的全局核型分割路径确定为优选路径,将与优选路径的评分差值小于预设差值阈值的路径确定为次选路径,并由计算设备输出异常核型先验补偿分量达到异常关注阈值的异常关注路径。

49、根据本发明提供的一种多假设推理与约束反馈的染色体核型分析系统,包括:

50、图像处理模块,对染色体中期分裂相图像进行实例分割,识别分割歧义区域并生成多个局部分割假设,将局部分割假设组合为多条全局核型分割路径;

51、路径评价模块,根据各全局核型分割路径中的染色体实例特征和核型约束信息,确定各全局核型分割路径的评价结果;

52、反馈更新模块,根据评价结果生成分割引导信息,并将分割引导信息反馈至图像处理模块更新局部分割假设;

53、结果输出模块,根据更新后的局部分割假设重新确定全局核型分割路径,输出染色体核型分析结果。

54、优选地,所述图像处理模块包括实例分割单元、歧义区域检测单元、多假设生成单元和组合路径构建单元。

55、所述路径评价模块包括实例分类单元、神经网络置信度计算单元、生物学规则约束计算单元、异常先验匹配单元和一致性评分计算单元。

56、所述歧义区域检测单元将实例分割单元分割的分割歧义区域及其对应的歧义度发送至多假设生成单元,多假设生成单元将局部分割假设发送至组合路径构建单元,生成多条全局核型分割路径。

57、所述实例分类单元将分类概率、形态参数或带型嵌入向量发送至生物学规则约束计算单元和异常先验匹配单元,神经网络置信度计算单元、生物学规则约束计算单元、异常先验匹配单元分别生成神经网络置信度分量、核型生物学规则约束分量、异常核型先验补偿分量并发送至一致性评分计算单元和反馈更新模块,一致性评分计算单元确定各全局核型分割路径的评价结果。

58、所述反馈更新模块根据各分量定位应有未现的染色体类别、形态不一致区域、持续分歧区域或异常关注区域,并向实例分割单元或多假设生成单元发送相应的分割引导信息。

59、所述结果输出模块将排序后的全局核型分割路径区分为优选路径、次选路径和异常关注路径。

60、与现有技术相比,本发明具有如下的有益效果:

61、1、本发明通过在分割歧义区域保留多个局部分割假设,并将局部分割假设组合为多条全局核型分割路径,使初始置信度并非最高但符合全局核型规律的分割结果仍能够进入后续评价,提高了核型分析对前端分割不确定性的容错能力。

62、2、本发明通过将神经网络置信度、染色体总数、同源配对和类别形态约束共同用于路径评价,并利用异常核型先验信息对符合已知异常模式的路径进行补偿,实现了正常核型规则与异常核型解释之间的协调,降低了罕见数目异常或结构异常被正常核型规则错误抑制的风险。

63、3、本发明通过将路径排序结果、评分分量及修正数据转换为分割引导信号,使全局核型评价结果反向作用于实例分割和局部分割假设生成过程,实现了歧义区域的多轮迭代修正,提高了重叠染色体分割与分类结果的稳定性。

64、4、本发明通过同时输出优选路径、次选路径、异常关注路径及对应评分分量,并标示不同路径之间的关键分歧区域,使核型分析结果能够展示其形成依据,提高了系统输出的可解释性和复核效率。