染色体图像处理,是医学影像学及人体遗传学研究的关键步骤,也是辅助医生进行临床诊断的重要手段,更是从染色体形态异常(如:易位、重复、缺失或长短不一等等)观察出各种遗传病变的先决条件。然其步骤过于复杂,需要手动操作计算机进行处理,智能化程度较低,且成片效果会受到很多人为因素的干扰。为此,本文从染色体图像处理技术的应用角度出发,对需要使用的算法进行介绍、实现、结合和改进。主要涉及计算机图形学、深度学习图像分割和分类的技术。其中,图形学部分包括骨骼提取、骨骼剪枝、图像增强及图像形变算法,为分割和分类网络提供预处理手段;图像分割部分实现了初始图像到单条或团簇染色体的转换,抛弃噪声信息,提取整幅图像中关键的染色体部分;图像分类部分则是将伸直后的单条染色体利用深度网络进行识别。此外,本文还会利用上述算法,实现一个应用这些算法的原型系统。本文工作的重点在于图形学算法部分,迁移了其他应用领域的相关算法,并在此基础上进行优化,加入额外的处理步骤及相对智能化的参数,降低人工干预的需求。创新点则是尝试使用伸直形变处理的结果,辅助既有的深度学习模型,达到增强网络准确度的目的。