کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

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

نویسندگان :

آصفه توکلی¹ سید ابوالقاسم میرروشندل² فاطمه قاسمیان³

1- دانشگاه گیلان 2- دانشگاه گیلان 3- دانشگاه گیلان

کلمات کلیدی :

ناباروری، مورفولوژی اسپرم انسان، یادگیری عمیق نیمه نظارتی، آنالیز خودکار تصاویر

چکیده :

آمارهای اعلام شده از سوی سازمان بهداشت جهانی نرخ ناباروری در مردان را حدود 50% اعلام می‌کنند؛ از این‌رو، تجزیه ‌و تحلیل و آنالیز مورفولوژیکی اسپرم به عنوان یکی از مهم‌ترین عوامل در تشخیص ناباروری مردان، از اهمیت بالایی برخوردار است. این مقاله با ارائه یک الگوریتم یادگیری عمیق به عنوان یکی از روش‌های یادگیری نیمه نظارتی، به استخراج ویژگی‌های اسپرم به منظور طبقه‌بندی آن‌ها در دو کلاس طبیعی و غیرطبیعی و تشخیص اسپرم مناسب، برای شرکت در فرآیند لقاح مصنوعی می‌پردازد. مدل پیشنهادی با تکیه بر معماری شبکه نردبانی به عنوان یکی از رویکردهای یادگیری نیمه نظارتی پیاده‌سازی شده است؛ که با اعمال تغییرات و بهبود عوامل مختلف به‌ویژه نویز ورودی، نتایج مناسبی را در آنالیز تصاویر با وضوح پایین و بدون رنگ‌آمیزی کسب کرده است. در این مقاله، از مجموعه دادگان رایگان و در دسترس MHSMA شامل 1.540 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 70% را برای سر و آکروزوم و بیش از 80% را برای واکوئل به‌دست آورد.