开发一种深度学习模型,用于检测非阻断性阿佐精子症的精子回收过程中的正管
Teppei Takeshima1, Jurii Karibe1, Shinnosuke Kuroda1
1Department of Urology, Reproduction Center, Yokohama City University Medical Center, Yokohama, Kanagawa, Japan.
Reproduction (Cambridge, England)
|July 29, 2024
概括
一种新的深度学习模型有助于识别丸组织中的精子,改善了非阻塞性精子缺血症的男性接受手术精子采集的结果. 这种人工智能工具有助于寻找可行的精子用于生育治疗.
科学领域:
- 生殖医学 生殖医学
- 人工智能在医学中的应用
- 精子生成研究 精子生成研究
背景情况:
- 非阻塞性精子缺血会影响男性的生育能力,需要先进的精子采集技术.
- 微切割丸精子提取 (micro-TESE) 是这些患者的关键手术.
- 识别含有精子的管道对于成功的微型TESE结果至关重要.
研究的目的:
- 开发和评估一种深度学习模型,用于识别阳性精子管道.
- 为了提高手术丸精子采集的效率和成功率.
- 为了协助外科医生在非阻塞性亚精的微型TESE手术期间定位精子.
主要方法:
- 一个深度学习模型使用110张标记的丸组织图像进行训练.
- 图像来源于微解剖丸精子提取程序.
- 该模型被训练,以识别含有精子的精卵管.
主要成果:
- 开发的深度学习模型实现了0.60.0的平均精度.
- 该模型展示了从显微镜图像中识别含有精子的管道的能力.
- 这表明AI辅助精子定位在手术环境中的潜力.
结论:
- 深度学习在改善非阻塞性亚精子症的丸精子检索方面显示出前景.
- 人工智能驱动的工具可以帮助外科医生在微型TESE期间识别可行的精子.
- 进一步开发可以提高受影响男性的生育治疗成功率.
