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

پروانه افضلی¹

1) استادیار، گروه مهندسی کامپیوتر، واحد آستانه اشرفیه، دانشگاه آزاد اسلامی، آستانه اشرفیه، ایران -

محل انتشار : اولین کنفرانس بین المللی رویکردهای نوین در مهندسی و علوم پایه(icnabs.ir)
چکیده :
موضوع ناباروری انسانی یک نگرانی مهم در حوزه بهداشت جهانی است که بر زندگی زوج¬های بسیاری در سراسر جهان که در تلاش برای باردار شدن هستند، تأثیر می¬گذارد. بخش مهمی از این موارد ناباروری را می¬توان به عوامل مرتبط با مردان نسبت داد. یک عنصر حیاتی در تشخیص ناباروری مردان، آنالیز مایع منی است که به شدت بر ارزیابی ریخت¬شناسی 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 آزمایشگاه‌های مختلف و حتی بسته به پزشکان مختلف در یک آزمایشگاه، می¬تواند 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 داده¬ی HuSHeM و SCIAN، بیانگر کارآمدی معماری پیشنهادی در طبقه‌بندی سر اسپرم انسان، درمقایسه با روش‌های موجود می¬باشد.
کلمات کلیدی : طبقه بندی تصویر یادگیری عمیق معماری ترکیبی تجزیه¬وتحلیل ریخت¬شناسی اسپرم ناباروری