以往的文獻大部分不具備辨識重疊與相黏染色體的能力，只能使用相對簡單之染色體圖像，而往往條條分離且生長適當的染色體，是需要醫檢師在培養染色體期間，花費更多時間與心力去觀察與培養。而在現有軟體上，由於準確度較低，甚至需要醫檢師參與全程，儼然更像是一款圖像編輯軟體。而文獻方法可分為兩類，第一類方法採用圖像分類，必須將染色體原圖處理成單染色體圖像，再輸入至模型進行分類，該方法在獲得單染色體圖像前，必須將原圖進行前處理，其處理包括了，偵測、切割、影像處理，這些前置作業，會花費醫檢師過多時間與精力，因此即便能獲得不錯的準確度，實際在臨床上使用是不理想的，且使用該方法的文獻之數據庫，使用核形圖的染色體或是較簡單的圖像，往往與臨床遇到的個案大相徑庭。第二種方法的文獻採用更適合臨床流程的方式，使用染色體原圖輸入，模型將會進行偵測、分類、圖像處理、將完成的核形圖交由醫檢師確認與切割，整體體方法幫助專家省去最耗時的步驟，醫檢師僅需做最後的確認與修改，但目前使用該方法的文獻，有著兩項弊端，一是數據庫的不足，隨著產前診斷的普及，需要分析的檢體越多，模型數據庫就越受考驗，在大量數據下獲得準確度越能說明模型的穩定、強健性; 二是對於辨識較困難的染色體圖像門檻過低，僅僅是少數重疊染色體不能代表染色體圖像的困難度，需要更加嚴謹的困難圖像定義。因此醫檢師更需要的是一個不需前處理，原圖輸入即可使用，並在大量數據測試下能獲得一定準確度之系統，且提供人性化之人工後處理。