使用卷积神经网络进行精子染色质分散试验的高斯集群和量化
Zheng Yang1, Lei Zhang1, Heng Fan1
1Institute of Reproductive Health, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, 430030, PR China. xiaoxianjin@hust.edu.cn.
The Analyst
|December 4, 2023
概括
这项研究引入了一个深度神经网络,以自动化精子染色素分散 (SCD) 测试,提高精子DNA碎片化的量化. 这种人工智能驱动的方法提高了男性不孕症评估的诊断准确性.
科学领域:
- 生殖生物学 生殖生物学
- 人工智能在医学中的应用
- 医学诊断 医学诊断 医学诊断
背景情况:
- 精子DNA碎片化表明核损伤并影响男性生育能力.
- 精子染色素分散 (SCD) 测试是一种常见的,具有成本效益的方法,用于评估DNA碎片化.
- 目前的SCD测试解释是半定量和用户依赖的,因为一个固定的切断值.
研究的目的:
- 开发和验证用于自动化SCD测试图像分析的深度神经网络.
- 为了克服传统SCD测试半定量性质的局限性.
- 建立一个更客观和临床适用的方法来量化精子DNA碎片化.
主要方法:
- 来自SCD测试的3120个明亮场图像的数据集被注释.
- 基于ResNet 18的深度神经网络被用来检测精子核和光环参数.
- 用高斯聚类来定义基于相对光环半径分布的DNA碎片化.
主要成果:
- 深度学习模型实现了高性能:91.3%的平均精度 (AP50),96.67%的真正阳性率和96.72%的真负率.
- 相对光环半径的分布使用多峰高斯函数 (p > 0.99) 准确地建模.
- 建立了一个新的DNA碎片化的标准:相对光环半径1.6标准偏差低于正常精子的平均值.
结论:
- 一个用于自动化和定量化SCD测试的深度神经网络模型已成功开发.
- 由人工智能驱动的方法提供了客观量化精子DNA碎片化的方法,改进了传统方法.
- 这种自动化SCD测试具有显著的潜力,可以增强临床应用,提高男性生殖健康的诊断准确性.


