每年项目数
摘要
不孕症是一个日益严重的全球健康问题,男性因素导致的不孕症占所有病例的一半。精液分析对不孕症诊断至关重要。然而,精子形态评估作为分析的常规部分,仍然是手工进行的,因此是高度主观的。本文提出了一种卷积神经网络(cnn)的堆叠集成,用于人类精子头部形态的自动分类。利用多类元分类器将传统CNN模型与现代残差和密集连接架构相结合,在HuSHeM和SCIAN- morphospermgs (SCIAN)数据集上的分类率分别提高了2.7%(至98.2%)和2.3%(至63.3%)。由于元分类器将基本模型的单个分类率提高了约8.5%,从而实现了预测性能的显著提高。集成的深度学习模型是迈向自动化精子形态分析的有力一步,为标准化临床实践和降低治疗成本提供了新的机会,以改善患者的治疗。
原始语言 | 英语 |
---|---|
货号 | 2200111 |
页数 | 10 |
杂志 | 先进智能系统 |
体积 | 4 |
问题数量 | 10 |
必须 | |
发布状态 | 发表,2022年10月 |
项目
- 1活跃的