Core Concepts
精子頭形態分類のための新しいアプローチ、SHMC-Netの提案とその効果的な機能融合方法に焦点を当てる。
Abstract
男性不妊症は世界の不妊症の約三分の一を占めており、精子異常の手動評価は観察者間のばらつきや診断上の相違に直面しています。コンピュータ支援精液分析(CASA)は低品質な精子画像、小さなデータセット、ノイズのあるクラスラベルに苦しんでいます。提案された新しいアプローチであるSHMC-Netは、精子頭部位マスクを使用して精子画像の形態分類をガイドすることを目的としています。SHMC-Netは信頼性の高いセグメンテーションマスクを生成し、効率的なグラフベースメソッドでオブジェクト境界を洗練し、画像ネットワークとマスクネットワークでそれぞれ対応するマスクでトレーニングします。また、Soft Mixupを適用して小さなデータセットでトレーニングを正則化します。SCIANおよびHuSHeMデータセットで最先端の結果が得られました。
Stats
男性不妊症は世界の不妊症の約三分の一を占めている。
SCIAN-Morpho Sperm GS(SCIAN)には1854枚の灰色スペルム画像が含まれている。
HuSHeMデータセットには216枚のRGBスペルム画像が含まれている。
Quotes
"提案された新しいアプローチであるSHMC-Netは、信頼性が高く効果的な特徴融合手法を用いて生殖器画像とそのマスクから学習した意味情報を活用します。"
"SCIAN-TAでは最高水準のAccuracyとF1値が達成されました。既知のSOTA方法はPrecisionとRecallを交換しましたが、SHMC-Netはこれら2つをバランスよく保ち、最良のF1値を示しました。"