یک معماری عمیق دو مسیره برای طبقه بندی کارآمد تصاویر سر اسپرم

موضوع ناباروری انسانی یک نگرانی مهم در حوزه بهداشت جهانی است که بر زندگی زوجهای بسیاری در سراسر جهان که در تلاش برای باردار شدن هستند، تاثیر میگذارد. بخش مهمی از این موارد ناباروری را میتوان به عوامل مرتبط با مردان نسبت داد. یک عنصر حیاتی در تشخیص ناباروری مردان، آنالیز مایع منی است که به شدت بر ارزیابی ریختشناسی سر اسپرم، به ویژه شکل و اندازه سر اسپرم تکیه دارد. در بسیاری از موارد، این ارزیابی به صورت دستی انجام می شود و دقت آن به مهارت و تجربه پزشک بستگی دارد. این فرآیند نه تنها زمانبر و دشوار است، بلکه بسته به آزمایشگاه های مختلف و حتی بسته به پزشکان مختلف در یک آزمایشگاه، میتواند مستعد تغییرات قابلتوجه باشد، که دستیابی به نتایج ثابت و قابل اعتماد را چالشبرانگیز میکند. مقاله حاضر، یک معماری یادگیری عمیق ترکیبی را برای طبقهبندی خودکار و دقیق سر اسپرم انسان، بر اساس تصاویر اسپرم پیشنهاد میکند. نتایج آزمایشهای انجام شده بر روی دو مجموعه دادهی HuSHeM و SCIAN، بیانگر کارآمدی معماری پیشنهادی در طبقهبندی سر اسپرم انسان، درمقایسه با روشهای موجود میباشد.

کلیدواژه ها:

طبقه بندی تصویر ، یادگیری عمیق ، معماری ترکیبی ، تجزیه وتحلیل ریختشناسی اسپرم ، ناباروری