一种基于多输出网络构建的两阶段精子全形态分析方法

《BMC Bioinformatics》：A two-stage sperm holomorphological analysis method based on multi-output network construction

　　

摘要

背景

精子形态检测技术在诊断男性不育症方面具有重要的研究价值。传统的手动检测方法耗时、劳动强度大且具有高度主观性。基于深度学习的精子形态分析方法能够客观高效地完成精子检测任务，并具有端到端学习的优势。

结果

本研究提出了一种两阶段的精子形态分析方法，首先使用UNet网络对单个精子进行分割，然后利用基于多输出分类的多头Mobilevit Net模型实现单个精子头部、中段和主段的一次性检测，并将Mixing Loss函数集成到分类模型中。

结论

通过数据增强技术，对扩展后的10,802个改进版的Papanicolaou染色精子形态分类数据集进行了测试。结果显示，精子头部、中段和主段的检测准确率分别达到了83.47%、96.19%和94.99%。该研究能够快速实现精子形态的自动化检测，为生殖医学的发展提供了强有力的技术支持。