利用自编码器将时间特征提取至空间域用于精子视频分析

在本文中，我们提出了一种两步深度学习方法，用于基于人类精子的视频记录预测精子活力与形态。首先，我们使用自编码器从给定的精液视频中提取时间特征，并将其绘制到图像空间，我们称之为特征图像。其次，这些特征图像被用于执行迁移学习，以预测人类精子的活力与形态值。所提出的方法展示了其将时间信息提取到空间域特征图像中的能力，这些特征图像可与传统的卷积神经网络一起使用。此外，给定精液样本的预测活力的准确性表明，基于深度学习的模型能够捕捉人类精液显微记录的时间信息。