基于深度学习的基因扩增荧光原位杂交图像智能识别系统

本发明公开了基于深度学习的基因扩增荧光原位杂交图像智能识别系统。根据本发明提供的技术方案，该系统中，图像采集模块用于利用显微镜对FISH技术标记的样本进行图像采集，获取初始图像；SAM分割模块用于基于SAM模型针对初始图像进行图像分割，确定出的分割图像；ResNet对比模块用于利用标准细胞图像对每个准细胞图像进行比对，去顶真实细胞图像；荧光点计数模块用于基于颜色滤波技术进行荧光点识别和计数，基于目标基因信号以及染色体着丝粒信号进行基因扩增检测。通过本发明基于SAM模型实现了对FISH图像更为精确的智能分割，并利用深度学习技术进一步提升细胞判定的准确性，快速实现目标基因信号的识别和计数，更好地对基因扩增水平进行判断。