ارائه یک راهکار نیمه نظارتی جدید برای انتخاب اسپرم مناسب در درمان ناباروری

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 198

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSCG04_052

تاریخ نمایه سازی: 23 اسفند 1400

چکیده مقاله:

آمارهای اعلام شده از سوی سازمان بهداشت جهانی نرخ ناباروری در مردان را حدود ۵۰ % اعلام می کنند؛ از این رو، تجزیه و تحلیل و آنالیز مورفولوژیکی اسپرم به عنوان یکی از مهم ترین عوامل در تشخیص ناباروری مردان، از اهمیت بالایی برخوردار است. این مقاله با ارائه یک الگوریتم یادگیری عمیق به عنوان یکی از روش های یادگیری نیمه نظارتی، به استخراج ویژگی های اسپرم به منظور طبقه بندی آنها در دو کلاس طبیعی و غیرطبیعی و تشخیص اسپرم مناسب، برای شرکت در فرآیند لقاح مصنوعی می پردازد. مدل پیشنهادی با تکیه بر معماری شبکه نردبانی به عنوان یکی از رویکردهای یادگیری نیمه نظارتی پیاده سازی شده است؛ که با اعمال تغییرات و بهبود عوامل مختلف به ویژه نویز ورودی، نتایج مناسبی را در آنالیز تصاویر با وضوح پایین و بدون رنگ آمیزی کسب کرده است. در این مقاله، از مجموعه دادگان رایگان و در دسترس MHSMA شامل ۱.۵۴۰ تصویر اسپرم انسان استفاده شده است. بررسی مدل پیشنهادی برای هر سه بخش اسپرم (سر، واکوئل و آکروزوم) موفق شد با وجود تصاویری با کیفیت پایین، نتایج چشمگیر بیش از ۷۰ % را برای سر و آکروزوم و بیش از ۸۰ % را برای واکوئل به دست آورد.

کلیدواژه ها:

نویسندگان

آصفه توکلی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر، گرایش نرم افزار، دانشگاه گیلان

سید ابوالقاسم میرروشندل

دانشیار، دانشگاه گیلان

فاطمه قاسمیان

استادیار، دانشگاه گیلان