深度学习分类方法用于野猪精子形态分析
Alexandra Keller1,2, McKenna Maus1, Emma Keller1
1Department of Animal Science, Iowa State University, Ames, Iowa, USA.
Andrology
|September 17, 2024
概括
这项研究引入了一种新的人工智能驱动的方法,用于使用基于图像的流细胞计分析野猪精子形态和体健康. 人工智能方法提供客观,快速和准确的精液诊断,改善野猪生育能力评估.
科学领域:
- 动物科学动物科学
- 生殖生物学 生殖生物学
- 生物技术是生物技术.
背景情况:
- 猪精液质量评估依赖于精子度,运动性和形态学.
- 目前用于精子形态分析的方法是主观和手动的.
- 由于人类眼睛的局限性和昂贵的生物标志物分析,缺乏有效检测宏健康状况.
研究的目的:
- 开发一种新的方法,整合深度学习和基于图像的流细胞计 (IBFC) 来进行客观的精液分析.
- 为了实现高通量,精子形态的准确评估和无标签的青体健康.
- 为了克服手工计数和昂贵的生物标记测试在猪精液诊断中的局限性.
主要方法:
- 使用IBFC捕捉了1万个精子的图像.
- 手动注释图像用于训练卷积神经网络 (CNN) 关于形态学和体健康.
- 将训练有素的CNN应用于没有注释的图像,以进行预测和准确性评估.
主要成果:
- 在形态分类中获得高F1分:96.73% (20x),98.55% (40x) 和99.31% (60x).
- 在60倍放大时显示出99.8%的F1得分,用于检测微妙的缩体健康变化.
- 验证了CNN模型在分类精子特征方面的准确性.
结论:
- 建立了一种集成的AI方法,用于快速分类精子形态和体健康.
- 展示了人工智能的潜力,以减少技术人员的变化和简化精液测试.
- 解决了生物标志物采用的障碍,提供了对猪的增强生殖健康评估.
