基于深度卷积神经网络对中期染色体分类的应用研究

摘要：

目的 通过深度卷积神经网络对分裂中期的染色体图像进行学习,测试其在染色体分类的准确率.方法 该研究一共纳入1 275例不同个体分裂中期的染色体图片,其中735例作为训练集用于深度卷积神经网络,245例作为测试集用作内部验证,245例外院数据用作外部验证;另取50例染色体图片资料,分别记录人和计算机完成染色体分类的时间及准确率.结果 24分类的结果提示,分类网络在内部验证的准确率为91.22％,外部验证的准确率为91.48％;ResNet的分类效率是人工操作的1 000倍以上,其准确率明显优于非遗传专科医师.结论 深度卷积神经网络在染色体分类的应用价值极具有发展潜力,将有助于构建染色体核型分析自动化平台.

关键词：染色体分类、卷积神经网络、染色体核型分析

所属期刊栏目：13

分类号：TP183(自动化基础理论)

资助基金：武汉市卫生健康委员会医学科研项目编号:WX19Q29

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：123-126