【论文略读33-35】染色体分割相关

Posted on | Post modified: | 阅读数
Words count in article: 1.1k | Reading time ≈ 3

读了点染色体分割的小文章，有点平衡不好暴力美学和解释性方法了

第一篇

第一篇文章是专利：一种染色体核型图像切割方法

申请公布日19/12/03，公司写的专利

粗看了一遍流程，方法是基础，合理，工程的

好多方法都用了，形态学算子、MaskRCNN等等，大概思路就是

  1. 不知道有没有预处理，好像不需要
  2. 连通域提取染色体区域
  3. 重叠染色体进一步提取，方式是阈值判断与置信选择
  4. 进一步提取骨架，找中心点，骨架其实就是染色体条像素宽度1
  5. 后面就是无趣的深度学习工程式套模型，数据增强等等，有多少方法套多少方法

第二篇

第二篇文章A Geometric Approach To Fully Automatic Chromosome Segmentation

这个文章是2014 IEEE Signal Processing in Medicine and Biology Symposium (SPMB)的

感觉讲得很结实实在，就是讲染色体图像自动分割，方法就是a geometric method for segmentation of the touching and partially overlapping chromosomes

基本方法：

  1. 去噪（预处理）
  2. 分离重叠或者touching的染色体（key）
  3. 正式分离

本文的出发点（idea）是基于几何进行自动分割，主要贡献在于检测分离2中的情形。本文强调几何方法的优点（section I最后有三条优点）是不用考虑图片类型，通用。本文的数据也不多，database containing 62 touching and partially overlapping chromosomes，要考虑减小过拟合。

上述的2有两大步骤

  1. 第1是把所有染色体簇识别出来，方式是三种几何方法适当组合，虽然每个方法都有偏颇，但组合之后确实可能更有效分别是计算凸包像素比例、外接椭圆长短轴比、骨架端点数
  2. 第2就是把染色体簇分成单个的，方式是找出分割点，有VAMD和SDTP两个准则，都是几何判断，细节不考虑了
  3. ps：如果有多条染色体成簇，就重复算法，每次分出来一条

第三篇

第三篇文章很早之前看过，这次整理一下

Crowdsourcing for Chromosome Segmentation and Deep Classification是2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)的

原来是个workshop，怪不得觉得差味道

这个讲一整套流程，中期（ metaphase ）染色体分析，分割与分类，众包流程。

众包是人工注释边界。。然后伸直矫正+长度归一化。。再网络分类。。

哈哈这个文章也提到了染色体分割的难处，叽里呱啦介绍了一堆别人方法，然后表示我们还是深度吧。。

扫了一遍内容没啥，我觉得就是强调了一遍染色体分类应用落地的流程。整个流程十分工程：

  1. 众包分割单个染色体图像
  2. 众包过程中有细节提高分割效率
  3. 单个染色体有诸如剪切、拼接、扭直、归一化长度的操作
  4. 普通的网络进行分类
  5. 交互式应用界面

最后，它的数据集不大，准确率泛化性存疑

小结

平衡不好暴力美学和解释性方法了

要是一点点地设计模型，效果是存疑的，但是可解释性会比较优美，所以希望分类的方法能直观，能看出来实际意义，同时保持准确性（安全性）

要是暴力工程处理，实在不美，效果泛化未必就好，这样来看还是处理general图像的方法好，预处理尽可能忽略图像类型的影响

大晚上的迷糊了，ヾ(•ω•`)o

参考文献

[1] 宋宁, 池浩塬, 秦玉磊, 韩云鹏, 马伟旗, 沈晓明, 晏青, 吴朝玉, and 杨洁. “一种染色体核型图像切割方法.” 2019.

[2] Minaee, S., M. Fotouhi, and B. H. Khalaj. “A Geometric Approach to Fully Automatic Chromosome Segmentation.” Paper presented at the 2014 IEEE Signal Processing in Medicine and Biology Symposium (SPMB), 13-13 Dec. 2014 2014.

[3] Sharma, M., O. Saha, A. Sriraman, R. Hebbalaguppe, L. Vig, and S. Karande. “Crowdsourcing for Chromosome Segmentation and Deep Classification.” Paper presented at the 2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 21-26 July 2017 2017.