通过神经网络进行单细胞三维跟踪,用于精子滚动分类

科学领域:

• 生物医学工程 生物医学工程
• 计算生物学 计算生物学
• 生殖医学 生殖医学

背景情况:

• 与批量分析相比,单细胞分析提供了更高的细节.
• 手动精子评估男性不育是耗时和主观的.
• 卷积神经网络 (CNN) 为自动化,高通量生物分析提供了一个框架.

研究的目的:

• 开发一种使用CNN的自动化,无标签的方法来检测和分析精子滚动.
• 为了提高精子运动性和形态学的特征,用于男性不孕不育的评估.
• 在运动过程中识别精子头的3D配置.

主要方法:

• 在一致放大下获取游泳精子的亮场图像序列.
• 基于CNN的工作流程的开发,用于精子头部检测,跟踪和细分.
• 从精子头轮同时提取动力学和形态学参数.

主要成果:

• 在运动过程中成功识别了三维精子头部配置.
• 精子运动变化的准确捕捉和先进的表征.
• 动力学和形态学参数在单细胞水平上的相关性.

结论:

• 拟议的基于CNN的方法可以实现自动化,无标签的精子滚动检测和分析.
• 这种方法为精子运动性和形态学提供了更深入的见解.
• 该方法为男性不孕症评估提供了更准确的精子特征.