使用SMD/MSS数据集进行精子形态评估的基于深度学习的模型
Olfa Abdelkefi1,2, Rania Maalej3, Tarek Rebai2
1Reproductive Biology Service, Hedi Chaker University Hospital, Sfax, Tunisia.
Future science OA
|November 7, 2025
概括
这项研究开发了一种人工智能模型,用于自动化精子形态评估,提高精液分析的标准化和效率. 深度学习方法提高了生殖生物学中的诊断准确性.
科学领域:
- 生殖生物学 生殖生物学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 精子形态评估是主观的,难以标准化.
- 操作员的专业知识显著影响了手动评估.
- 开发客观方法对于精确的精液分析至关重要.
研究的目的:
- 为精子形态评估创建一个预测模型.
- 为了应对手工评估中的标准化挑战.
- 利用人工神经网络进行客观分析.
主要方法:
- 开发了一个卷积神经网络 (CNN) 模型.
- 该模型是在Sfax (SMD/MSS) 精子形态学数据集/医学院数据集上进行训练的.
- 使用数据增强技术,将数据集从1000张图像扩展到6035张图像.
主要成果:
- 深度学习模型取得了令人满意的准确性,从55%到92%不等.
- 数据增强显著增加了数据集大小.
- 美国有线电视新闻网 (CNN) 模型证明了精子分类的有效性.
结论:
- 人工智能方法自动化和标准化精液分析.
- 这项技术加速了精子形态评估的过程.
- 人工智能在生殖生物学应用中具有显著的潜力.
