基于SVM的高通量dPCR基因芯片荧光图像分类研究

发布时间：2024-03-18 21:40

　　目的为了实现高通量dPCR基因芯片荧光图像的亮点分类与计数,提出一种基于支持向量机(SVM)的荧光图像分类与计数方法。方法首先对荧光图像进行去噪、对比度增强等图像预处理,对预处理后荧光图像进行亮点区域提取标注,去除背景与暗点的冗余信息,利用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取鉴别特征,计算合并所有样本的亮点特征得到HOG特征向量,根据已得到的HOG特征向量创建一个线性SVM分类器,利用训练好的SVM分类器对荧光图像亮点进行分类与计数。结果对比传统算法,文中算法具有较高的分类识别精度,平均准确率高达98%以上,可以很好地实现荧光图像亮点分类与计数。结论在有限的小样本标注数据下,文中算法具有良好的分类性能,能够有效识别荧光图像中的亮点,对其他荧光图像分类研究也具有一定参考价值。

【文章页数】：7 页

【部分图文】：

图1荧光图像亮点分类流程

对上述问题，文中提出了一种基于SVM的高通量dPCR基因芯片荧光图像分类方法，对预处理后的荧光图像，结合SVM与HOG特征实现荧光图像的分类与计数。文中研究的荧光图像亮点分类实现首先对荧光图像进行去噪、对比度增强等图像预处理，然后将亮点区域进行标注，将标注区域内的特征信息进行归一....

图4Fig.4Grad梯度方向dientdirection

素投景像需照荧器模2·226·素点梯度大小投影量作为权4）块内-阴性点-阳像梯度强度变需将块内梯度照、阴影和边5）HOG荧光图像亮器中，寻找一模型。2.3支持向支持向量小作为投影，权值累加到9图4Fig.4Grad归一化梯度阳性点的变化变化范围较大度强度做“归一缘对高通量图5块F....

图7支持向.7Supportvec向量与距离toranddistancce

悖??异对比度相差分，引入松弛亮点区域的训Fig.实验结果为了验证文像分类方法的高通量dPCRhon2.7平台决数据线性不目标空间（线着较好的抗干罚权重为C=能主要通过对由于不同通取ROX，CY证，为了进行类算法一同进、CY5通道的幅图像尺寸均点分类结果图类结果图像见果图像见图1....

图8ROX通道的荧光图像亮点分类结果

第41卷第19期刘丽等：基于SVM的高通量dPCR基因芯片荧光图像分类研究·227·a原图bSVM算法亮点分类c分水岭算法分类图8ROX通道的荧光图像亮点分类结果Fig.8Classificationresultsofbrightspotsinfluorescenceimages....

本文编号：3931854