VISEM-Tracking：一个人精子追踪数据集
计算机视觉与模式识别
2023-05-11 v5 人工智能
机器学习
摘要
人工评估精子活力需要显微镜观察，由于视野中精子快速移动，这具有挑战性。为获得正确结果，人工评估需要大量训练。因此，计算机辅助精子分析（CASA）在临床中日益得到应用。尽管如此，仍需更多数据来训练有监督机器学习方法，以提高精子活力与运动学评估的准确性和可靠性。为此，我们提供了一个名为 VISEM-Tracking 的数据集，包含 20 段 30 秒的视频记录（共 29,196 帧）的湿法精子制备样本，带有手动标注的边界框坐标，以及一组由领域专家分析的精子特征。除标注数据外，我们还提供了无标签视频片段，以便通过自监督或无监督学习等方法轻松访问和分析数据。作为本文的一部分，我们给出了使用在 VISEM-Tracking 数据集上训练的 YOLOv5 深度学习（DL）模型的基线精子检测性能。结果表明，该数据集可用于训练复杂的 DL 模型来分析精子。
引用
@article{arxiv.2212.02842,
title = {VISEM-Tracking, a human spermatozoa tracking dataset},
author = {Vajira Thambawita and Steven A. Hicks and Andrea M. Storås and Thu Nguyen and Jorunn M. Andersen and Oliwia Witczak and Trine B. Haugen and Hugo L. Hammer and Pål Halvorsen and Michael A. Riegler},
journal= {arXiv preprint arXiv:2212.02842},
year = {2023}
}