使用深度学习算法预测丸超声波图像的精液分析参数:一种创新的方法来诊断男性不孕症
Lutfullah Sagir1, Esat Kaba1, Merve Huner Yigit2
1Department of Radiology, Faculty of Medicine, Recep Tayyip Erdogan University, 53000 Rize, Turkey.
Journal of clinical medicine
|January 25, 2025
概括
人工智能 (AI) 深度学习模型可以使用丸超声波图像预测男性精液分析参数,包括精子度,运动性和形态学. 这种创新方法为评估男性不孕症提供了一种新方法.
科学领域:
- 生殖医学 生殖医学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 精液分析是男性不孕症的主要诊断工具.
- 丸超声波是一种补充诊断方法.
- 使用人工智能从超声波图像中预测精液参数是一个新兴领域.
研究的目的:
- 评估人工智能驱动的深度学习算法在预测精液分析参数方面的有效性.
- 为了将丸超声波图像与精液质量指标相关联.
- 在男性不孕症诊断中探索新的AI应用.
主要方法:
- 患有不孕症的男性患者 (18-54岁) 接受了精液分析,激素分析和阴囊超声波.
- 丸超声波图像被细分,并用于训练VGG-16深度学习模型.
- 数据集得到了增强,并分为80%的培训和20%的测试集.
主要成果:
- 人工智能模型实现了精子度的曲线下面面积 (AUC) 为0.76.
- 分别获得了0.89和0.86的AUC值,分别用于渐进性运动和形态学.
- 深度学习成功地从超声数据中预测了精液的关键参数.
结论:
- 基于AI的深度学习算法可以有效地从丸超声波图像中预测精液分析参数.
- 这项研究展示了人工智能在男性不孕症评估中的创新应用.
- 这些发现为未来在人工智能辅助生殖医学方面的验证研究提供了基础.


