基于机器学习的人类精子视频与受试者数据分析用于男性生育力预测
机器学习
2019-10-30 v1 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
临床数据自动分析方法通常针对特定模态，且未利用所有可用的相关数据。在男性人类生殖领域，临床与生物学数据未被充分使用。使用显微镜手动评估精液样本耗时且需要大量培训。此外，由于可重复性有限以及常存在的高人员间差异，手动精液分析的有效性受到质疑。现有的计算机辅助精子分析系统由于精液样本一致性带来的方法学挑战，不被推荐用于常规临床使用。因此，需要改进的方法学。我们使用现代与经典机器学习技术，结合由 85 段人类精液样本视频及相关受试者数据组成的数据集，自动预测精子活力。所用技术包括简单线性回归以及使用卷积神经网络（CNN）的更复杂方法。我们的结果表明，基于深度学习利用精子活力视频预测精子活力速度快且一致。当加入受试者数据时算法表现更差。总之，基于机器学习的自动分析可能成为男性不育调查与研究的宝贵工具。
引用
@article{arxiv.1910.13327,
title = {Machine Learning-Based Analysis of Sperm Videos and Participant Data for Male Fertility Prediction},
author = {Steven A. Hicks and Jorunn M. Andersen and Oliwia Witczak and Vajira Thambawita and Påll Halvorsen and Hugo L. Hammer and Trine B. Haugen and Michael A. Riegler},
journal= {arXiv preprint arXiv:1910.13327},
year = {2019}
}
备注
Preprint, accepted by Nature Scientific Reports for publication 24.10.2019