""" karyotip_sim.py — Sentetik (simüle) G-bantlı metafaz görüntüsü üreteci. NEDEN SENTETİK? Gerçek, etiketli metafaz/karyotip veri setleri (ör. AutoKary2022, BioImLab) çoğunlukla izinle ya da kapalı platformlardan paylaşılır. Eğitimde ve yöntem geliştirmede "etiketi kesin bilinen" sentetik veri çok değerlidir; ama gerçek görüntülerin karmaşıklığını TAM yansıtmaz. Burada üretilen görüntüler GERÇEK HASTA VERİSİ DEĞİLDİR. Modelleme: * 24 kromozom tipi (1-22, X, Y) gerçek göreli uzunluk ve sentromer indekslerine yakın değerlerle * Her tipe özgü, sabit (homologlarda aynı) bir G-bant deseni * Rastgele yönelim, hafif bükülme, ölçek değişimi, ara faz çekirdekleri, gürültü, aydınlatma eğimi * Karyotipler: 46,XX · 46,XY · 47,+21 · 47,+18 · 47,+13 · 45,X · 47,XXY """ import numpy as np from scipy import ndimage TIPLER = [str(i) for i in range(1, 23)] + ["X", "Y"] # Haploid genoma göre yaklaşık göreli uzunluk (%) ve sentromer indeksi (p / toplam) UZUNLUK = [8.44, 8.02, 6.83, 6.30, 6.08, 5.90, 5.36, 4.93, 4.80, 4.59, 4.61, 4.66, 3.74, 3.56, 3.46, 3.36, 3.25, 2.93, 2.67, 2.56, 1.90, 2.04, 5.12, 2.15] SENTROMER = [0.48, 0.39, 0.47, 0.29, 0.29, 0.39, 0.39, 0.34, 0.35, 0.32, 0.40, 0.30, 0.17, 0.18, 0.19, 0.41, 0.34, 0.31, 0.47, 0.45, 0.22, 0.24, 0.40, 0.30] KARYOTIPLER = { "46,XX": {"cins": ["X", "X"], "ek": [], "eksik": []}, "46,XY": {"cins": ["X", "Y"], "ek": [], "eksik": []}, "47,XX,+21 (Down)": {"cins": ["X", "X"], "ek": ["21"], "eksik": []}, "47,XY,+21 (Down)": {"cins": ["X", "Y"], "ek": ["21"], "eksik": []}, "47,XX,+18 (Edwards)": {"cins": ["X", "X"], "ek": ["18"], "eksik": []}, "47,XY,+13 (Patau)": {"cins": ["X", "Y"], "ek": ["13"], "eksik": []}, "45,X (Turner)": {"cins": ["X"], "ek": [], "eksik": []}, "47,XXY (Klinefelter)": {"cins": ["X", "X", "Y"], "ek": [], "eksik": []}, } def bant_deseni(tip_idx, n=200): """Kromozom tipine özgü, tekrarlanabilir 1-B G-bant yoğunluk profili (0 açık … 1 koyu).""" rng = np.random.default_rng(1000 + tip_idx) profil = np.zeros(n) i = 0 while i < n: uz = int(rng.integers(6, 22)) profil[i:i + uz] = rng.choice([0.15, 0.45, 0.95], p=[0.4, 0.25, 0.35]) i += uz profil = ndimage.gaussian_filter1d(profil, 2.0) profil[:4] = profil[:4] * 0.4 + 0.1 # telomer uçları açık profil[-4:] = profil[-4:] * 0.4 + 0.1 return profil BANTLAR = [bant_deseni(i) for i in range(24)] def kromozom_cizimi(tip_idx, olcek, rng): """Dikey duran tek kromozomun yoğunluk (koyuluk) matrisini ve maskesini üretir.""" L = max(10, int(round(UZUNLUK[tip_idx] * olcek * rng.uniform(0.9, 1.1)))) G = int(round(rng.uniform(8.0, 10.0) * olcek / 8.0)) G = max(G, 6) pad = 6 H, W = L + 2 * pad, G + 2 * pad yy, xx = np.mgrid[0:H, 0:W].astype(float) t = np.clip((yy - pad) / max(L - 1, 1), 0, 1) cx = W / 2 + 1.2 * np.sin(np.pi * t) * rng.uniform(-1, 1) * L / 40 # hafif bükülme c = SENTROMER[tip_idx] # sentromerde daralma (bel) yaricap = G / 2 * (1 - 0.32 * np.exp(-((t - c) ** 2) / (2 * 0.025 ** 2))) dx = np.abs(xx - cx) # kapsül biçimi: uçlar yuvarlak ust = np.clip(pad + G / 2 - yy, 0, None); alt = np.clip(yy - (pad + L - G / 2), 0, None) uc = np.sqrt(ust ** 2 + alt ** 2) mesafe = np.sqrt(dx ** 2 + uc ** 2) kenar = np.clip(yaricap - mesafe + 0.5, 0, 1) # yumuşak kenar # Hücreden hücreye değişkenlik: yoğunlaşma (bant çözünürlüğü), düzensiz gerilme, boyanma gürültüsü profil = ndimage.gaussian_filter1d(BANTLAR[tip_idx], rng.uniform(1.0, 4.5)) profil = profil + ndimage.gaussian_filter1d(rng.normal(0, 0.22, len(profil)), 3) profil = (profil - profil.mean()) * rng.uniform(0.6, 1.25) + profil.mean() tw = np.clip(t + rng.uniform(-0.06, 0.06) * np.sin(np.pi * t * rng.uniform(1, 2)), 0, 1) bant = np.clip(np.interp(tw, np.linspace(0, 1, len(profil)), profil), 0.05, 1.0) kardes = 1 - 0.18 * np.exp(-(dx ** 2) / (2 * 0.6 ** 2)) * (np.abs(t - c) > 0.06) # kardeş kromatit çizgisi koyuluk = kenar * (0.38 + 0.55 * bant) * kardes return koyuluk, kenar > 0.5 def _yerlestir(tuval, maske_tuval, etiket_tuval, parca, mask, y, x, no): h, w = parca.shape bolge = tuval[y:y + h, x:x + w] np.maximum(bolge, parca, out=bolge) etiket_tuval[y:y + h, x:x + w][mask] = no maske_tuval[y:y + h, x:x + w] |= mask def metafaz_uret(karyotip="46,XY", boyut=512, olcek=8.0, temas_orani=0.0, cekirdek=1, tohum=0): """ Bir metafaz görüntüsü üretir. Dönüş: (gri görüntü uint8, örnek-etiket matrisi, kromozom listesi [{tip, bbox}]) temas_orani: kromozomların birbirine değme/üst üste binme olasılığı (zorluk) """ rng = np.random.default_rng(tohum) k = KARYOTIPLER[karyotip] liste = [t for t in TIPLER[:22] for _ in range(2)] + k["cins"] + k["ek"] rng.shuffle(liste) olcek = olcek * rng.uniform(0.9, 1.1) koyu = np.zeros((boyut, boyut)); dolu = np.zeros((boyut, boyut), bool); etiket = np.zeros((boyut, boyut), np.int16) # Ara faz çekirdekleri (yanıltıcı büyük yuvarlak cisimler) for _ in range(cekirdek): r = rng.uniform(28, 40); cy, cx = rng.uniform(r, boyut - r, 2) yy, xx = np.mgrid[0:boyut, 0:boyut] e = ((yy - cy) / r) ** 2 + ((xx - cx) / (r * rng.uniform(0.8, 1.2))) ** 2 doku = ndimage.gaussian_filter(rng.random((boyut, boyut)), 2) * 0.25 koyu = np.maximum(koyu, np.clip(1.2 - e, 0, 1).clip(0, 1) * (0.45 + doku) * (e < 1)) dolu |= e < 1.25 # Metafaz yayılım merkezi merkez = np.array([boyut / 2, boyut / 2]) + rng.uniform(-30, 30, 2) kayit = [] for no, tip in enumerate(liste, start=1): ti = TIPLER.index(tip) parca, mask = kromozom_cizimi(ti, olcek, rng) aci = rng.uniform(0, 180) parca = ndimage.rotate(parca, aci, reshape=True, order=1) mask = ndimage.rotate(mask.astype(float), aci, reshape=True, order=1) > 0.5 h, w = parca.shape izin_temas = rng.random() < temas_orani for deneme in range(400): yaricap = boyut * 0.36 * np.sqrt(rng.random()) a = rng.uniform(0, 2 * np.pi) y = int(merkez[0] + yaricap * np.sin(a) - h / 2); x = int(merkez[1] + yaricap * np.cos(a) - w / 2) if y < 4 or x < 4 or y + h > boyut - 4 or x + w > boyut - 4: continue genis = ndimage.binary_dilation(mask, iterations=3) if izin_temas or not (dolu[y:y + h, x:x + w] & genis).any(): break _yerlestir(koyu, dolu, etiket, parca, mask, y, x, no) kayit.append({"no": no, "tip": tip, "bbox": [int(y), int(x), int(y + h), int(x + w)]}) # Mikroskop etkileri: bulanıklık, aydınlatma eğimi, gürültü koyu = ndimage.gaussian_filter(koyu, rng.uniform(0.6, 1.0)) yy, xx = np.mgrid[0:boyut, 0:boyut] / boyut arka = 232 - 14 * (yy * rng.uniform(-1, 1) + xx * rng.uniform(-1, 1)) gri = arka - koyu * rng.uniform(175, 200) + rng.normal(0, rng.uniform(4, 9), (boyut, boyut)) return np.clip(gri, 0, 255).astype(np.uint8), etiket, kayit