组装杂的细分面具,模糊的精子图像
Emilia Lewandowska1, Daniel Węsierski2, Magdalena Mazur-Milecka3
1Cameras and Algorithms Lab, Gdańsk University of Technology, Poland.
Computers in biology and medicine
|October 7, 2023
概括
这项研究引入了一种新的神经组合方法,用于精确的精子细分,超过现有的算法. 新的SegSperm数据集有助于研究用于体外受精的精子分析.
科学领域:
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
- 生殖生物学 生殖生物学
背景情况:
- 精子尾巴形态和运动性对于体外受精 (IVF) 成功至关重要.
- 目前的计算机辅助精子分析 (CASA) 系统经常排除精子尾部,因为细分挑战.
- 现有的精子形态分析数据集经常缺乏完整的精子图像,只关注头部.
研究的目的:
- 开发和评估一种强大的方法来分割整个精子,包括头部和尾部.
- 解决现有的CASA系统和数据集在分析完整的精子形态方面的局限性.
- 提高辅助生殖技术精子质量评估的准确性.
主要方法:
- 重新设计的特征金字塔网络 (FPN) 具有特定规模的交叉注意模块,用于细分面具的神经组合.
- 实施背景规范化技术,以加强对微观图像的训练.
- 在不平衡的数据和杂的地面真相上训练的细分模型开发了新的评估协议.
主要成果:
- 拟议的神经组合方法在完整的精子细分中显著超过了单个最先进的细分算法.
- 人类评估显示,与精子尾部细分相比,精子头部细分的一致性更高.
- 自动细分算法在精子头上表现得比精子尾部更好.
结论:
- 完整的精子细分仍然是一个具有挑战性的任务,需要先进的计算方法.
- 该研究介绍了SegSperm数据集,其中包括来自细胞内注射 (ICSI) 程序的图像,以促进进一步的研究.
- 在https://doi.org/10.34808/6wm7-1159可获得的SegSperm数据集,为训练和评估在噪音和不平衡地面真相上的精子细分模型提供了有价值的数据.
