基于深度学习和改进CSR-DCF的相差显微镜图像序列中精子检测与跟踪
计算机视觉与模式识别
2020-04-07 v4 机器学习
图像与视频处理
摘要
如今，计算机辅助精子分析（CASA）系统在提取精子特征以用于研究或测量人类生育力方面取得了巨大进步。精子特征分析的第一步是在视频样本帧中检测精子。在本文中，我们使用RetinaNet，一种深度全卷积神经网络作为目标检测器。精子是属性极少的小物体，这使其在高密度样本中尤其难以检测，特别是当精液中存在其他可能类似精子头的颗粒时。精子的主要属性之一是其运动，但仅将单帧输入网络时无法提取该属性。为提高精子检测网络性能，我们将若干连续帧拼接作为网络输入。通过此方法，也提取了运动性属性，并借助深度卷积网络，我们在精子检测中实现了高精度。第二步是跟踪精子，以提取对指示生育力及精子其他研究至关重要的运动参数。在跟踪阶段，我们改进了CSR-DCF算法。该方法即使在高密度精子样本、遮挡、精子碰撞以及精子离开帧并在后续帧重新进入时，也展示了优异的精子跟踪结果。检测阶段平均精度为99.1%，跟踪方法评估的F1得分为96.61%。这些结果可对研究精子行为和分析生育可能性提供极大帮助。
引用
@article{arxiv.2002.04034,
title = {Sperm Detection and Tracking in Phase-Contrast Microscopy Image Sequences using Deep Learning and Modified CSR-DCF},
author = {Mohammad reza Mohammadi and Mohammad Rahimzadeh and Abolfazl Attar},
journal= {arXiv preprint arXiv:2002.04034},
year = {2020}
}