基于深度学习的多目标精子实时监测方法技术

基于深度学习的多目标精子实时监测方法，属于精子检测技术领域。包括以下步骤：(1)获取精子样本的实时图像数据；(2)通过SSD网络模型采样多层精子样本图像的特征图，使用CNN提取特征，分类与回归；(3)将数据传输至KCF跟踪器；(4)对于SSD监测精子目标丢失的部分，使用KCF跟踪器监测处于运动状态的目标，并更新结果；(5)使用卡尔曼滤波器分配跟踪器；(6)根据SSD监测到的位置与卡尔曼滤波器估算目标之间的距离，将该位置与KCF跟踪器匹配，得到多目标精子的实时监测数据。本发明专利技术实现了对多个精子的实时监测和跟踪，可用于解决计算机辅助精子分析的“黑匣子”问题及应用于精子包浆注射环节中的精子跟踪提取。

【技术实现步骤摘要】
基于深度学习的多目标精子实时监测方法
本专利技术属于精子监测
，涉及一种基于深度学习的多目标精子实时监测方法。
技术介绍
人类精液样本携带了各种程度的可及性信息，从传统的计数和运动性视觉测量到需要更多计算方法的信息。人类精液样本中包含了大量有关生殖潜力和总体健康的信息。在显微镜的辅助之下，可以观察到快速移动的精子，除了可以观察到其运动特征外，精子形态学上也时时刻刻会发生微小的变化，从总体特征到对分子染色体的分子损伤。期望通过简单的视觉评估来整合这种复杂性完全是不合理的。尽管计算机辅助精子分析(ComputerAssistedSpermAnalysis，CASA)在辅助生殖实验室使用的越来越普遍，但临床精液分析的金标准要求训练有素的实验室工作人员。并且目前计算机辅助精子分析(CASA)集成到临床诊断领域的方法仍然十分有限，甚至在许多情况下还不存在。主要原因就是围绕“黑匣子”精液分析系统的使用已经引起了人们对其监测精准性的怀疑，但是不将CASA集成到临床分析中，又会丢弃大量潜在生殖健康信息，这些信息均具有广泛诊断影响。r>通过CASA系统本文档来自技高网...

【技术保护点】
1.基于深度学习的多目标精子实时监测方法，其特征在于，包括以下步骤：/n(1)获取精子样本的实时图像数据；/n(2)通过SSD网络模型均匀密集地采样多层精子样本图像的特征图，并使用卷积神经网络提取特征，然后进行分类与回归；/n(3)SSD网络模型监测到精子后，将数据传输至KCF跟踪器；/n(4)对于SSD网络模型监测精子目标丢失的部分，使用KCF跟踪器监测处于运动状态的目标，使结果进行自身更新；/n(5)使用卡尔曼滤波器基于过去的位置信息估计当前图帧中精子目标跟踪位置，并实现跟踪器的分配；/n(6)根据SSD网络模型监测到的位置与卡尔曼滤波器估算目标之间的距离，将该位置与KCF跟踪器进行匹配，...

【技术特征摘要】
1.基于深度学习的多目标精子实时监测方法，其特征在于，包括以下步骤：
(1)获取精子样本的实时图像数据；
(2)通过SSD网络模型均匀密集地采样多层精子样本图像的特征图，并使用卷积神经网络提取特征，然后进行分类与回归；
(3)SSD网络模型监测到精子后，将数据传输至KCF跟踪器；
(4)对于SSD网络模型监测精子目标丢失的部分，使用KCF跟踪器监测处于运动状态的目标，使结果进行自身更新；
(5)使用卡尔曼滤波器基于过去的位置信息估计当前图帧中精子目标跟踪位置，并实现跟踪器的分配；
(6)根据SSD网络模型监测到的位置与卡尔曼滤波器估算目标之间的距离，将该位置与KCF跟踪器进行匹配，得到多目标精子的实时监测数据。


2.根据权利要求1所述的多目标精子实时监测方法...

【专利技术属性】
技术研发人员：刘冉，闫一默，王卓然，张博翾，肖剑，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11