一种基于扩散模型的染色体异常检测数据增广方法

本发明涉及染色体识别技术领域，具体涉及一种基于扩散模型的染色体异常检测数据增广方法，采集数据图像并预处理，构建染色体数据集，包括异常染色体子集和正常染色体子集；通过中心轴余弦评分原则，量化筛除弯曲度过大的染色体，对筛除后的正常染色体切割重排；对切割重排的染色体模拟构造结构异常并复原，构建模拟异常样本数据集，用以扩充异常染色体数据集；基于扩充后染色体数据集，引入动态采样策略和能量分数模型训练神经网络，得到异常检测模型。通过模拟构造结构异常染色体并对其还原，提高数据集的真实性和多样性，解决染色体异常数据稀缺和数据不平衡问题，结合基于能量分数的动态采样策略，提升深度学习模型对异常染色体的检测能力。