相关实验视频
Updated: Jan 15, 2026
07:57
Fish Sperm Assessment Using Software and Cooling Devices
Published on: July 28, 2018
9.2K
一个基于人工智能的计算机视觉模型用于人类精子度,运动性和动力学分析
Sahar Shahali1, David Mortimer2, Moira K O'Bryan3
1Department of Mechanical and Aerospace Engineering Monash University Clayton Australia.
Smart medicine
|January 14, 2026
概括
一个由人工智能驱动的工具提供了准确的精子分析,改善了男性不孕症诊断. 这种先进的计算机视觉系统可提供可靠的精子度和运动率评估,性能优于传统方法.
科学领域:
- 生殖生物学 生殖生物学
- 医疗技术 医疗技术 医学技术
- 人工智能的人工智能
背景情况:
- 准确的精子分析对于诊断和管理男性不孕症至关重要.
- 目前的方法,如手动计数和商业CASA系统有限制,包括劳动强度,人为错误和不一致的性能.
研究的目的:
- 开发和评估一个人工智能驱动的计算机视觉工具,用于高分辨率,精子度和运动性的定量分析.
- 将AI工具与手动跟踪和商业CASA系统进行基准测试.
主要方法:
- 一项前性研究使用人工智能计算机视觉工具,手动跟踪 (斐济软件) 和商业CASA系统 (汉密尔顿·索恩IVOS II) 分析了26个精液样本.
- 人工智能工具计算了各种精子运动参数 (VSL,VCL,VAP,LIN,ALHmax,BCF) 和度.
- 使用供体样本进行校准确保了准确的度映射.
主要成果:
- 人工智能工具显示了与VSL,VCL和VAP手动跟踪的强有力的线性相关性 (R2=0.93-0.98).
- 它在所有运动性参数的准确性和一致性方面超过了商业CASA.
- 在校准后,ALHmax和BCF估计的RMSE下降了30%-50%.
- 基于人工智能的运动度分级与人工分类非常相匹配,与CASA不同.
- 在可变的成像条件下,AI系统表现出高的重复性 (偏差<±2%) 和稳定性.
结论:
- 这种基于人工智能的工具为精液分析提供了量化,可靠和可重复的替代方案.
- 与现有方法相比,它提供了更好的准确性和一致性.
- 这项技术支持增强的生育诊断和可能更具信息性的治疗策略.
