基于深度学习的方法用于精子形态分析
Bianping Liang1, Mingxue Wang2
1Department of Urology, the People's Hospital of Nanchuan Chongqing, No.16 South Street, Nanchuan District, Chongqing, 408400, China. 978840595@qq.com.
BMC urology
|October 22, 2025
概括
人工智能和机器学习显著提升了精子形态分析以诊断男性不孕症. 深度学习模型在细分和分类精子结构方面表现有前途,提高了诊断准确度.
科学领域:
- 生殖生物学 生殖生物学
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 男性不孕症影响着全球人口的很大一部分.
- 精子形态分析 (SMA) 对于评估男性不孕症至关重要.
- 目前的SMA方法在准确性和效率方面存在局限性.
研究的目的:
- 审查SMA中机器学习 (ML) 和深度学习 (DL) 的应用.
- 探索DL在细分和分类完整的精子结构方面的潜力.
- 提供建议,以提高SMA使用AI的性能.
主要方法:
- 关于SMA中AI/ML研究的叙事文献综述.
- 对精子形态学的传统ML和DL模型的分析.
- 探索基于DL的细分和分类技术.
主要成果:
- 传统的ML和DL模型都在SMA中提供了优势和局限性.
- 深度学习显示了精子结构详细分析的潜力.
- 人工智能集成可能会提高SMA的表现.
结论:
- 人工智能,特别是DL,是通过高级SMA改善男性不孕症诊断的有希望的途径.
- 需要对DL算法进行进一步的研究,以进行完整的精子结构分析.
- 实施DL可以提高精子形态评估的实际性能和准确性.


