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

چکیده مقاله

آمارهای اعلام شده از سوی سازمان بهداشت جهانی نرخ ناباروری در مردان را حدود ۵۰ % اعلام می کنند؛ از این رو، تجزیه و تحلیل و آنالیز مورفولوژیکی اسپرم به عنوان یکی از مهم ترین عوامل در تشخیص ناباروری مردان، از اهمیت بالایی برخوردار است این مقاله با ارائه یک الگوریتم یادگیری عمیق به عنوان یکی از روش های یادگیری نیمه نظارتی، به استخراج ویژگی های اسپرم به منظور طبقه بندی آنها در دو کلاس طبیعی و غیرطبیعی و تشخیص اسپرم مناسب، برای شرکت در فرآیند لقاح مصنوعی می پردازد مدل پیشنهادی با تکیه بر معماری شبکه نردبانی به عنوان یکی از رویکردهای یادگیری نیمه نظارتی پیاده سازی شده است؛ که با اعمال تغییرات و بهبود عوامل مختلف به ویژه نویز ورودی، نتایج مناسبی را در آنالیز تصاویر با وضوح پایین و بدون رنگ آمیزی کسب کرده است در این مقاله، از مجموعه دادگان رایگان و در دسترس MHSMA شامل ۱ ۵۴۰ 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 ۷۰ % را برای سر و آکروزوم و بیش از ۸۰ % را برای واکوئل به دست آورد

کلیدواژه‌ها

نویسندگان

آصفه توکلی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر، گرایش نرم افزار، دانشگاه گیلان

سید ابوالقاسم میرروشندل

دانشیار، دانشگاه گیلان

فاطمه قاسمیان

استادیار، دانشگاه گیلان

�وکلی، آصفه و میرروشندل، سید ابوالقاسم و قاسمیان، فاطمه،1400،ارائه یک راهکار نیمه نظارتی جدید برای انتخاب اسپرم مناسب در درمان ناباروری،چهارمین کنفرانس بین المللی محاسبات نرم

ارائه‌شده در

مجموعه مقالات چهارمین کنفرانس بین المللی محاسبات نرم8 دی 1400