# 人类染色体核型分析AI

**Repository Path**: heyeh/ckas

## Basic Information

- **Project Name**: 人类染色体核型分析AI
- **Description**: 基于Mask R-CNN实现的人类染色体核型智能分析系统，开发框架为PaddlePaddle，开发语言Python。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-01-05
- **Last Updated**: 2024-11-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 人类染色体核型分析AI

### 简介

基于Mask R-CNN实现的人类染色体核型智能分析系统，开发框架为PaddlePaddle，开发语言Python。

【2023年9月该项目获SHIC全国智慧医疗创新大赛第3名】

### 软件功能

实现了对染色体的自动分割、识别、计数、排列及生成核型图，AI分析不正确的地方，可手工干预修正。

导出的核型图符合《ISCN2020人类细胞基因组学国际命名体系》标准，能直接用于核型报告。

具体功能如下：

1. 打开图像（*单图分析*）
2. 打开图像文件夹（*批量分析*）
3. 设备对接（*无人值守，需科室提供接口*）
4. 分割识别（*自动将染色体分割开，不正确的地方手工修正*）
5. 核型排列（*自动对分割开的染色体进行排列、编号，不正确的地方手工修正*）
6. 一键分析（*合并以上2项功能，一键完成*）
7. 人工干预（*描边分割、笔刷分割、旋转、缩放、移动...*）
8. 当前导出（*只导出指定的核型图*）
9. 全部导出（*批量导出全部核型图*）
10. 设置（*图像格式、识别阈值、导出文件夹等设置管理*）
11. 信息/帮助

更多细节也可以参考<a href="https://zhuanlan.zhihu.com/p/672925533" target="_blank">知乎的另一篇介绍</a>

### 运行截图

(1)原始染色体图像显示:
![Image text](img01.png)

(2)一键分析后界面
![Image text](img02.png)
`**从上图能看到有4条染色体，AI未识别出来，这时手动拖拽到位就可以了`

`**另外染色体方向不合理、大小不合适的，都可以手动修正`

### 软件架构

1. AI开发框架：PaddlePaddle 2.5
2. 识别算法：Mask R-CNN（r50-vd-fpn）
3. 推理库格式：Paddle原生、onnx
4. UI框架：PySide6/PyQt5
5. 语言环境：Python 3.11
6. 其它三方库：cv2、numpy、onnxruntime
7. 数据管理: json、ymal

### 软件性能

1. 分割准确率： >90%
2. 核型准确率： >75%
3. 分析速度（CPU）：4张/分钟（测试环境i7-11800, 32G内存）
4. 分析速度（GPU）：12张/分钟（测试环境RTX4060，8G显存）

### 安装教程

1. 本软件绿色免安装
2. 目前只发布了Windows版
3. 如果电脑没有GPU，内存最好大一点（32G以上）

### 发行版说明

发行版能直接用于遗传实验室实际工作场景，上手极容易。

由于预训练模型较大，所以软件总体达到了2.8G，gitee仓库放不下...有需要的单独联系我索取吧。

这个发行版使用了2个AI推理库，一个是分割推理，一个是排列推理。

其中，对分割推理的训练使用了600+个样本，对排列推理的训练使用了300+个样本。由于改进了算法、算子与训练参数，所以在如此少样本情况下，准确率也达到了惊人的90%和75%！

目前还有5000+个样本正在标注中，一旦标注完成，马上进行新一轮训练，准确率再提升若干百分点不是问题。

### 技术转让说明

虽然软件已经产品化了，但做为1.0版，意味着还有很大提升空间、扩展空间，而本人无力承担长期的数据标注、模型训练以及功能迭代工作，另外本人市场营销能力有限，产品变现能力差，所以正在寻求技术转让的可能。让更合适的团队接手，使这个产品成为您的新盈利点！

**转让成果/内容清单**：

1. 系统全部源码（约1万行，python语言）
2. 2个预训练模型库，及相关数据集、参数文件、批处理文件
3. 已使用的训练样本1000+个、尚未使用的训练样本5000+个
4. 产品介绍ppt、产品手册
5. 目标客户名单（527家）
6. 不少于30天的技术交接，包括不限于核心技术培训、上手开发指导、开发环境搭建、源码解析、算法解析

`**如果还需更多训练样本，也可以提供，但由于有获取成本，所以不含在技术转让中，最多提供200万个`

### 联系方式

1. 通过gitee联系
2. 微信

![Image text](w7670028.jpg)

`如果一年内技术转让失败，本项目将全部开源，并免费提供给用户使用。`