AI诊断男性不育:检测“小蝌蚪”运动状态准确率超90%

AI诊断男性不育:检测“小蝌蚪”运动状态准确率超90%郭一璞 发自 凹非寺量子位 报道 | 公众号 QbitAI自从AI火了之后,它的各种神奇应用就层出不穷。现在,有人已经把AI用在男科♂诊断上,研

大家好,欢迎来到IT知识分享网。

郭一璞 发自 凹非寺
量子位 报道 | 公众号 QbitAI

自从AI火了之后,它的各种神奇应用就层出不穷。

现在,有人已经把AI用在男科♂诊断上,研究“小蝌蚪”。

AI诊断男性不育:检测“小蝌蚪”运动状态准确率超90%

没错,这是个正经研究,出自挪威奥斯陆城市大学,甚至还发了一篇Nature Science Reports。

解决的核心问题是,如何让AI来观察“小蝌蚪”,进而判断男性的生育能力。

研究者们对着一群“小蝌蚪”的视频研究了很久之后发现:

你们熟悉的卷积神经网络(CNN)简直是自动观察小蝌蚪的神器。

相比传统机器学习,CNN可以更有效的对男性小蝌蚪的运动能力进行分析,错误率低至9%左右,也就是准确率已经超过九成了。

AI诊断男性不育:检测“小蝌蚪”运动状态准确率超90%

因此,将来如果有准备当爸爸的盆友,去医院做检查的时候,盯着你的“儿子”看的,可能就不是医生,而是AI了。

小蝌蚪动不动,影响当爸爸的能力

在这项研究中,AI主要看的指标是小蝌蚪的运动状态。

先来科普一下,一个正常育龄男性能不能当爸爸,和他生殖系统的很多因素有关,单就基因的传递者小蝌蚪来说,它们的总数、形态、浓度等等因素都会影响男性的生育能力。

小蝌蚪的运动状态,也是其中一个重要指标。

比如,有高速运动(progressive)的小蝌蚪,跑起来飞快,可以直线跑,也可以绕大圆圈跑,非常健壮;

AI诊断男性不育:检测“小蝌蚪”运动状态准确率超90%

还有低速运动(non-progressive)的小蝌蚪,跑的不快,或者在原地兜圈子,不太健壮;

AI诊断男性不育:检测“小蝌蚪”运动状态准确率超90%

也有一动不动(immotile)的小蝌蚪,太不活跃,很难找到另一半来合成受精卵。

AI诊断男性不育:检测“小蝌蚪”运动状态准确率超90%

而一个小蝌蚪想把自己的基因传承下去,需要至少25微米/秒的运动能力,如果一位男士的小蝌蚪里能跑到这个速度的不到32%,那他可能就没那么容易当爸爸了。

因此,如果要诊断一位男士的生育能力,那就要去医院里检测他的精液样本。

而这项研究,就是用传统机器学习和深度学习的方法区分高速运动、低速运动和一动不动的小蝌蚪。

来自85个人的数据

那么,研究的第一步,要找个小蝌蚪数据集,于是……

他们找到了一个名叫VISEM的数据集。

这个数据集的作者找了85个人,这些人去实验室附近的小黑屋或者自己家里收集了一些精液样本,然后研究人员把这些样本放到显微镜下,录2~7分钟的视频,视频的帧率是每秒50帧。

AI诊断男性不育:检测“小蝌蚪”运动状态准确率超90%

除了视频,数据集里还有这85个人的年龄、体重指数(BMI)和禁欲天数三个指标。

先用机器学习算法

既然要比较传统机器学习算法和CNN哪个辨别小蝌蚪运动状态的能力强,那就先上传统机器学习。

第一步,要提取特征。

这里,研究者们用到了一个名叫LIRE(Lucene Image Retrieval)开源库,然后用超过40个不同的算法测试了超过30个不同的特征。

最终选定了Tamura特征,这组特征里包括小蝌蚪的粗细程度、对照、方向性、线条形状、规则度和粗糙度,并且分别用Tamura特征、数据集里85个人的数据和两者兼顾做了三组辨别三种不同活力小蝌蚪的实验。

综合三组实验的结果,有六个算法表现是最好的,他们是:简单线性回归,随机森林,高斯过程,序列最小优化(SMOreg),弹性网和随机树,识别的错误率大概在11%左右。

AI诊断男性不育:检测“小蝌蚪”运动状态准确率超90%

不过,用这些机器学习算法有一点麻烦:每次只能辨别出一个值,所以要针对三种活力不同的精子各运行一次,比较费时间。

再用深度学习方法

试完了传统机器学习方法,再来试试深度学习,用CNN来辨别。

这里不能直接用原始数据,需要提前做一些处理,从视频中提取原始帧,用光流生成帧序列的时间表示。

然后在用CNN来在这些处理后的数据上,再做一下那三组实验,分辨三种不同活力小蝌蚪的数量,这下要方便地多,可以一下子辨别出三个值,不用跑三遍算法了。

AI诊断男性不育:检测“小蝌蚪”运动状态准确率超90%

△ 处理过程

最后运行出来的结果,错误率大约在9%左右。

AI诊断男性不育:检测“小蝌蚪”运动状态准确率超90%

相比前面的11%,错误率明显降低,效果要好得多了。

所以,用深度学习辨别精子活力,不仅比传统机器学习的方法要好,而且可以只跑一遍算法,更快速便捷。

或许未来,深度学习可以应用到医疗实践中,成为诊断男性不育的利器。

传送门

论文
Machine Learning-Based Analysis of Sperm Videos and Participant Data for Male Fertility Prediction
作者:Steven A. Hicks, Jorunn M. Andersen, Oliwia Witczak, Vajira Thambawita, Påll Halvorsen, Hugo L. Hammer, Trine B. Haugen, Michael A. Riegler
https://arxiv.org/abs/1910.13327

VISEM数据集
https://datasets.simula.no/visem/

参考链接
https://www.medicalnewstoday.com/articles/.php#what-is-sperm-motility
https://www.verywellfamily.com/sperm-motility-
https://en.wikipedia.org/wiki/Semen_analysis

量子位 QbitAI · 头条号签约

关注我们,第一时间获知前沿科技动态

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/76088.html

(0)

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

关注微信