细胞的DNA倍性分析是一个自动化技术应用于病理诊断。重要的是这种技术对各种核图像准确地进行分类。然而,缺乏重叠核图像训练数据(训练数据)不平衡导致识别率低重叠核图像。为了解决这个问题,一种新的方法与single-nuclei综合重叠核图像图像提出了。首先,样本选择是用来使合成的样品具有代表性。其次,随机函数是用来控制旋转角度的原子核与原子核的质心之间的距离,增加样本的多样性。然后,Lambert-Beer法应用于再分配的像素重叠的部分,从而使合成样本非常接近真实的。最后,所有合成样品被添加到训练集进行分类器训练。实验结果表明,由该方法合成的图像可以解决数据集不平衡问题,提高识别率的DNA倍性分析系统。