复杂性

研究文章

一个新的甘多个分布模型来解决复杂的端到端染色体核型分析

拟议中的染色体分类算法与GAN-based数据增强技术。

	数据:一个小训练集preclassified染色体图像与相应的标签。
	目标:多级染色体分类器训练几个标记图像。
	算法的步骤:
	步骤1预处理:采用标准图像处理增强技术像旋转、翻译、翻转等创造更多的输入图像下面的模块。
	步骤2:GAN-based数据增加:对于每一个染色体的24类,之前我们使用相应的训练示例输出模块训练MD-GAN结构,这将有助于生成合成染色体等类的训练样本来提高分类。因此,我们分别构建24 MD-GAN模型增加的数据来完成任务。
	步骤3:调整VGG-16网络:使用所有收集到的数据,包括原始样品和样品预处理和MD-GAN,调整一个pretrained VGG-16分类器对准确染色体分类。