طبقه بندی ریخت شناسی اسپرم با استفاده از الگوریتم Swin Transformer

تجزیه و تحلیل سنتی ریخت شناسی اسپرم به فرآیند استخراج و تجزیه و تحلیل فضایی (به عنوان مثال، ناهنجاری های اسپرم وبررسی ناحیه های مختلف اسپرم) و یا ویژگی های مبتنی بر تبدیل (مانند تجزیه موجک، تجزیه و تحلیل فوریه و توصیفگرها) ازتصاویر میکروسکوپی، با هدف نهایی به دست آوردن مدل های پیش بینی است. از سوی دیگر، روش های یادگیری عمیق قادر بهیادگیری ویژگی هایی هستند که پیکسل های اسپرم طبیعی و غیرطبیعی را به بهترین شکل تشخیص می دهند و می تواند آن ها را بهصورت سرتاسری یاد گرفت. استفاده از یادگیری عمیق در تصویربرداری میکروسکوپی، کشف خودکار ویژگی های ریخت شناسیاسپرم و همچنین کاوش سلسله مراتب و تعامل نهفته در پشت ویژگی های عمیق به دست آمده از اشکال اسپرم را فراهم می کند. در این پژوهش از الگوریتم Swin Transformer برای دسته بندی تصاویر اسپرم ارائه شده در پایگاه داده ی HuSHeM استفاده شده است که به دقت ۸۹ درصد دست یافته است

کلیدواژه ها:

ناهنجاری های اسپرم ، ریخت شناسی اسپرم ، یادگیری عمیق ، الگوریتم Swin Transformer