在临床实践中,人类染色体核型分析是遗传疾病诊断的重要手段。核型分析的主要目的是识别人类体细胞有丝分裂中期所有染色体的类型,并将染色体按一定规则进行摆放,从而得到核型图来供医生诊断是否存在遗传病。传统的染色体核型分析是人工手动处理的,要求操作人员具备丰富的领域知识,操作过程既费时又费力,分析效率较低。为解决上述问题,本文基于人类体细胞有丝分裂中期的显微图像,运用数字图像处理及深度学习分类等方法设计一系列算法功能模块,并结合计算机软件开发方法设计一套完整的染色体核型分析系统,从而实现染色体核型分析的自动化、智能化,提高染色体核型分析的效率。本文的主要工作内容如下:首先,本文基于图像二值化、最大类间方差法和轮廓边界跟踪等方法,同时结合染色体的几何特征,分别设计了过滤除杂算法和分割提取算法对人类体细胞有丝分裂中期的显微图像进行处理,提取显微图像中所有的染色体。针对显微图像中可能存在的重叠和粘连染色体,本文也分别设计了相应的自动分离和人工辅助分离方法对其进行处理。其次,本文运用基于梯度的架构搜索方法在染色体数据集上以自动化的方式设计了一个卷积神经网络,该卷积神经网络用来对染色体进行自动分类。同时,考虑到所设计的卷积神经网络对中期细胞显微图像中的所有染色体进行识别时,其预测结果未必全部正确。本文又根据核型分析领域的先验知识设计了一个纠正算法,该纠正算法用来寻找预测标签可能错误的染色体,并对其预测标签进行纠正。本文还在染色体公共数据集上评估了所设计的卷积神经网络和纠正算法的性能。与其他著名的卷积神经网络模型相比,本文以自动化方式设计的卷积神经网络获得了最佳的分类性能。另外,实验结果还表明,本文所提出的纠正算法可以进一步提高染色体的识别精度,最终的染色体总体分类精度高达96.9%。最后,本文综合上述方法形成一套完整的染色体核型分析处理流程,并通过可视化界面设计工具Qt Designer设计相应的软件系统操作界面,基于Python编程语言开发了一套完整的染色体核型分析系统。除此之外,本文还使用了Python中的Py Installer库来将软件系统封装为exe格式的可执行程序,封装后的软件系统不再依赖Python编程环境,可以在没有安装Python的电脑上直接运行,从而方便用户使用。