基于残差U-Net网络的染色体图像分割方法

针对染色体识别的难题,提出一种基于残差U-Net网络的染色体图像分割方法.以残差网络和U-Net网络为基础简化深层网络的训练,利用丰富的跳跃连接促进信息传播;通过将U-Net网络底层的卷积层替换成不同尺度的空洞卷积,保持特征空间分辨率不变的同时扩大特征感受野,实现多尺度感受野提取图像特征的同时减少特性信息的丢失;压缩路径和扩张路径中间的跳跃连接则通过组合不同尺度的特征,实现高度灵活的特征融合;通过使用Tversky损失函数,进一步提高了分割精度.实验结果表明,基于残差U-Net网络的染色体重叠区域的交并比(intersection over union,IoU)达到了96.36％,优于传统的U-Net网络的分割性能.该方法有效提高了染色体分割的性能和效率,有望应用于染色体分析系统.