(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211439142.9 (22)申请日 2022.11.17 (71)申请人 湖南自兴智慧医疗科技有限公司 地址 410006 湖南省长 沙市高新 开发区延 农路72号九天银河产业园1栋8层 (72)发明人 蔡昱峰　张金超　卢沁阳　刘丽珏　 穆阳　彭伟雄　 (74)专利代理 机构 长沙市岳麓慧专利代理事务 所(普通合伙) 43270 专利代理师 丁存伟 (51)Int.Cl. G06T 7/00(2017.01) G06V 20/69(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) (54)发明名称 基于AE的低倍镜分裂相筛图方法、 系统及存 储介质 (57)摘要 本发明公开了一种基于AE的低倍镜分裂相 筛图方法、 系统及存储介质， 用于提高低倍镜下 分裂相识别的准确率， 本发明涉及医学图像处理 技术领域； 包括： 用人工划分好的K类低倍镜分裂 相图像和该图像的类别对搭建的染色体分裂相 图类别网格进行训练， 得到类别自动编码模型； 用K类低倍镜分裂相图像边缘填充成为一个正方 形， 并且改变图像大小到128*128像素的尺寸， 输 入到类别自动编码模型的编码器分支， 经过编码 层得到特征向量Vn， 之后存储特征向量， 构建特 征向量底库S； 依次使用类别自动编码模型和特 征向量底库S对染色体分裂相图像进行筛选； 本 发明简单高效， 能够有效筛选出质量优质的低倍 镜分裂相图。 权利要求书2页 说明书4页 附图4页 CN 115496761 A 2022.12.20 CN 115496761 A 1.一种基于AE的低倍镜分裂相筛图方法， 其特 征在于， 包括如下步骤： S1、 用人工划分好的K类低倍镜分裂相图像和该图像的类别对搭建的染色体分裂相图 类别网格进行训练， 得到类别自动 编码模型； 其中， K代 表类别数量； S2、 用步骤S1划分好的K类低倍镜分裂相图像边缘填充成为一个正方形， 并且改变图像 大小到128 *128像素的尺 寸， 输入到类别自动编码模 型的编码 器分支， 经过编码层得到特征 向量Vn， 之后存 储特征向量， 构建特 征向量底库S； S3、 依次使用类别自动 编码模型和特 征向量底库S对染色体分裂相图像进行筛 选。 2.根据权利要求1所述的一种基于AE的低倍镜分裂相筛图方法， 其特征在于， 步骤S1所 述K类低倍镜分裂相图像的类别有杂质、 分散好、 分散差、 条带清晰、 条带不清晰， 每个类别 预先选取数量为100张分裂相图进行训练。 3.根据权利要求1所述的一种基于AE的低倍镜分裂相筛图方法， 其特征在于， 步骤S1所 述类别自动编码模型包括编码器编码层、 解码器解码层和特征向量， 编码器编码层通过分 裂相图的提取 特征， 输出维度为512的特 征向量。 4.根据权利要求3所述的一种基于AE的低倍镜分裂相筛图方法， 其特征在于， 步骤S1所 述类别自动编 码模型的训练步骤为： 将一张低倍镜图像， 首先按照图像长边的长度， 将图像 填充为正方形， 之后改变图像大小到统一的128*128像素尺寸， 作为网络训练的输入， 进行 模型的训练。 5.根据权利要求1所述的一种基于AE的低倍镜分裂相筛图方法， 其特征在于， 步骤S2所 述构建特 征向量底库S的具体步骤如下： S2.1、 将类别自动 编码模型中的编码器分支取 出； S2.2、 将步骤S1中预先划分好的K类各100张低倍镜分裂相图总共K*100张， 将图像边缘 填充成为 一个正方 形并且改变图像大小到128*128像素的尺寸； S2.3、 将步骤S2.2处理好的图像作为样本输入网络的编码器分支， 经过编码层得到特 征向量Vn； S2.4、 叠加存储步骤S2.3得到的K*100个特征向量， 作为特征向量底库S； 其中， S维度为 K * 100 * 512， K代表类别数量， 100代表每个类别的标签样本数量， 512代表每个样本提取 出来的特 征向量的维度。 6.根据权利要求1所述的一种基于AE的低倍镜分裂相筛图方法， 其特征在于，  步骤3所 述筛选的具体步骤如下： S3.1、 获取一张低倍镜分裂相图， 将这张图片按照长边长度填充成为正方形， 之后改变 图像大小到128*128像素； S3.2、 步骤S3.1处 理好的图像输入至编码器中， 得到一个特 征向量V； S3.3、 将V与预先存储了K*100个特征向量的特征底库S进行相似度计算， 最终得到一个 相似度矩阵Vt， Vt的尺度为K*100， Vt的每个元素表示当前特征向量与底库样本的相似度 值， 取值范围[ 0‑1]， 接着按照类别K的维度求和， 将每个类别的100个相似度值加起来， 得到 最终的类被评 分Vc， 其中Vc的维度为K*1， 即相似度值越 大， 代表样 本越接近， 筛选出类别为 分散好、 条 带清晰数值 最大的图像。 7.一种基于AE的低倍镜分裂相筛图系统， 其特 征在于， 包括： 至少一个处 理器；权　利　要　求　书 1/2 页 2 CN 115496761 A 2至少一个存 储器， 用于存 储至少一个程序； 当所述至少一个程序被所述至少一个处理器执行， 使得所述至少一个处理器实现如权 利要求1‑6中任一项所述的一种基于AE的低倍镜分裂相筛图方法。 8.一种存储介质， 其中存储有处理器可执行的指令， 其特征在于： 所述处理器可执行的 指令在由处理器执行时用于执行如权利要求 1‑6中任一项 所述的一种基于AE的低倍镜 分裂 相筛图方法。权　利　要　求　书 2/2 页 3 CN 115496761 A 3