一种方法，其包括：接收与多个精液样本相关联的图像数据；在训练阶段，在训练集上训练机器学习模型，该训练集包括：(i)所述图像数据，和(ii)与所述精液样本中的一个或多个个体精子中的每一个的定性评估相关联的标记；以及将经训练的机器学习模型应用于与目标精液样本相关联的目标图像数据，以将所述目标样本中的一个或多个精子标识为用于ART程序的候选。的一个或多个精子标识为用于ART程序的候选。的一个或多个精子标识为用于ART程序的候选。
【技术实现步骤摘要】
【国外来华专利技术】自动候选精子标识
[0001]相关申请的交叉参考
[0002]本申请要求于2020年1月16日提交的标题为“自动候选精子标识(AUTOMATED SPERMATOZOA CANDIDATE IDENTIFICATION)”的美国临时专利申请号62/961,844的优先权，其内容通过引用整体并入本文。
[0003]本专利技术总体上涉及机器学习领域。
技术介绍
[0004]不孕症是具有深远社会和人口影响的主要全球健康问题。许多目前的男性生殖技术在治疗男性不育症方面具有温和的效果。可以改善精液分析和选择的技术对于提高治疗男性不育症的有效性至关重要。
[0005]在自然和/或辅助生殖技术(ART)中，精子形态已被认为是成功结果(例如，导致成功受精和/或成功怀孕)的可能性的强预测因子。然而，在许多情况下，注射的精子是随机选择的，并且它们的选择是基于粗略的形态和运动能力。精子质量无疑是决定发育中胚胎质量的最重要因素。例如，据报道父系效应会影响囊胚率。在将精子注入卵母细胞后，已经在胚胎中发现了若干负面影响，包括遗传和表观遗传。此外，表现有理想特征的候选精子的选择和检索过程仍然是一个高度专业化的手动过程，其中输出数据的准确性和精度可能会受到技术人员培训、主观技能水平、样本制备、光照强度以及仪器设置、规格和质量的影响。
[0006]相关技术的前述示例和与其相关的限制旨在是说明性的而不是排他性的。在阅读说明书和研究附图后，相关技术的其他限制对于本领域技术人员将变得显而易见。
技术实现思路
[0007]结合系统、工具和方法来描述和说明以下实施例及其方面，这些系统、工具和方法旨在是示例性和说明性的，而不是限制范围。
[0008]在一个实施例中，提供了一种系统，包括：至少一个硬件处理器；非暂时性计算机可读存储介质，其上存储有程序指令，该程序指令可由至少一个硬件处理器执行以：接收与多个精液样本相关联的图像数据，在训练阶段，在训练集上训练机器学习模型，该训练集包括：(i)所述图像数据，和(ii)与对所述精液样本中的一个或多个个体精子中的每一个的定性评估相关联的标记，并将经训练的机器学习模型应用于与目标精液样本相关联的目标图像数据，以标识所述目标样本中的一个或多个精子作为用于授精程序的候选。
[0009]在一个实施例中，还提供了一种方法，该方法包括以下方法：接收与多个精液样本相关联的图像数据；在训练阶段，在训练集上训练机器学习模型，该训练集包括：(i)所述图像数据，和(ii)与所述精液样本中的一个或多个个体精子中的每一个的定性评估相关联的标记；并将经训练的机器学习模型应用于与目标精液样本相关联的目标图像数据，以标识所述目标样本中的一个或多个精子作为用于授精程序的候选。
[0010]在一个实施例中，进一步提供了一种计算机程序产品，其包括具有嵌入其中的程序指令的非暂时性计算机可读存储介质，该程序指令可由至少一个硬件处理器执行以：接收与多个精液样本相关联的图像数据；在训练阶段，在训练集上训练机器学习模型，该训练集包括：(i)所述图像数据，和(ii)与对所述精液样本中的一个或多个个体精子中的每一个的定性评估相关联的标记；并将经训练的机器学习模型应用于与目标精液样本相关联的目标图像数据，以标识所述目标样本中的一个或多个精子作为用于授精程序的候选。
[0011]在一些实施例中，所述定性评估包括估计涉及所述个体精子的授精程序成功的可能性的估计。
[0012]在一些实施例中，所述定性评估至少部分地基于选自由以下组成的组的一个或多个定性参数：检测到的运动性、渐进运动性、线性运动性、形态、基部形态、头部形态和一个或多个液泡的存在和位置。
[0013]在一些实施例中，指令进一步可执行以实行，并且所述方法进一步包括实行图像处理阶段，其中所述图像处理包括以下中的至少一项：图像数据清洗、图像数据标准化、检测所述图像数据中的个体精子，标识所述图像数据中的个体精子，以及跟踪所述图像数据中的个体精子。
[0014]在一些实施例中，所述跟踪包括标识用于所述目标样本中的所述一个或多个精子中的至少一个的坐标。
[0015]在一些实施例中，所述跟踪还包括操作取回设备以取回所述目标样本中的所述一个或多个精子中的至少一个，其中所述取回基于所述标识的坐标。
[0016]在一些实施例中，指令进一步可执行以实行，并且所述方法还包括实行特征选择阶段，其中所述特征选择包括选择图像数据内的一个或多个数据点子集。
[0017]在一些实施例中，关于每个所述精液样本，所述图像数据包括以下中的至少一个：单个图像、一系列图像、视频片段、流式视频片段和实时视频片段。
[0018]在一些实施例中，所述标识包括分配给所述目标样本中的所述一个或多个精子的置信度分数。
[0019]除了上述示例性方面和实施例之外，通过参考附图并通过研究以下详细描述，其他方面和实施例将变得显而易见。
附图说明
[0020]示例性实施例在参考图中示出。图中所示的组件和特征的尺寸通常是为了方便和清晰的呈现而选择的，不一定按比例显示。下面列出了这些图。
[0021]图1是根据本专利技术的实施例的示例性系统的框图；
[0022]图2是根据本专利技术的一些实施例的用于训练机器学习分类器以标识获得的数据中的候选精子的过程中的功能步骤的流程图；
[0023]图3A和图3B是根据本专利技术的一些实施例的示例性数据选择；并且
[0024]图4A、图4B、图4C、图4D、图4E、图4F、图4G、图4H和图4I是根据本专利技术的一些实施例的精子标识的示例性特征的示意图。
具体实施方式
[0025]结合旨在示例性和说明性而非限制范围的系统、工具和方法来描述和说明以下实施例及其方面。
[0026]本文公开了一种方法、系统和计算机程序产品，用于基于在人工授精中和/或相对于辅助生殖技术的成功结果的可能性的定性评估，自动检测精液样本中的候选精子。在一些实施例中，本公开因此在受精程序的背景下特别有用，诸如辅助生殖技术(ART)、体外受精(IVF)、子宫内授精(IUI)和卵胞浆内单精子显微注射法(ICSI)，并且在一些实施例中，用于评估此类程序的精子质量。在一些实施例中，本公开进一步提供了在探索男性不育症中对精子质量的评估。
[0027]在一些实施例中，基于例如关于生育力状态和使用特定精子的一种或多种受精程序的成功结果的可能性的确定，本公开提供了来确定精液样本的图像中描绘的一个或多个精子是否是用于受精程序的潜在候选。
[0028]例如，为了确定精液样本中的哪些精子是用于受精程序的候选，可以获得反映例如单个图像、一系列图像和/或精液样本的视频片段的图像数据。
[0029]在一些实施例中，图像数据可以由成像设备(例如摄像机)产生，其指向放置在例如培养皿中的精液样本。在一些实施例中，单色摄像机可以耦合到显微镜以获得图像。在一些实施例中，所获得的图像数据反映了高放大率，例如超过1000倍。在一些实施例中本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种系统，其包括：至少一个硬件处理器；以及非暂时性计算机可读存储介质，其上存储有程序指令，所述程序指令可由所述至少一个硬件处理器执行以：接收与多个精液样本相关联的图像数据，在训练阶段，在训练集上训练机器学习模型，所述训练集包括：(i)所述图像数据，以及(ii)与对所述精液样本中的一个或多个个体精子中的每一个的定性评估相关联的标记，并且将经训练的机器学习模型应用于与目标精液样本相关联的目标图像数据，以标识所述目标样本中的一个或多个精子作为用于授精程序的候选。2.根据权利要求1所述的系统，其中所述定性评估包括估计涉及所述个体精子的授精程序的成功的可能性。3.根据权利要求1
‑
2中任一项所述的系统，其中所述定性评估至少部分地基于选自由以下组成的组的一个或多个定性参数：检测到的运动性、渐进运动性、线性运动性、形态、基部形态、头部形态以及一个或多个液泡的存在和位置。4.根据权利要求1
‑
3中任一项所述的系统，其中所述指令进一步可执行以实行图像处理阶段，并且其中所述图像处理包括以下各项中的至少一项：图像数据清理、图像数据标准化、检测所述图像数据中的个体精子、识别所述图像数据中的个体精子，以及跟踪所述图像数据中的个体精子。5.根据权利要求4所述的系统，其中所述跟踪包括标识所述目标样本中的所述一个或多个精子中的至少一个的坐标。6.根据权利要求5所述的系统，其中所述跟踪还包括操作取回设备以取回所述目标样本中的所述一个或多个精子中的至少一个，并且其中所述取回基于所述标识坐标。7.根据权利要求1
‑
6中任一项所述的系统，其中所述指令进一步可执行以实行特征选择阶段，并且其中所述特征选择包括选择所述图像数据内的一个或多个数据点子集。8.根据权利要求1
‑
7中任一项所述的系统，其中关于每个所述精液样本，所述图像数据包括以下各项中的至少一个：单个图像、一系列图像、视频片段、流式视频片段和实时视频片段。9.根据权利要求1
‑
8中任一项所述的系统，其中所述识别包括分配给所述目标样本中的所述一个或多个精子的置信度分数。10.一种方法，其包括：接收与多个精液样本相关联的图像数据；在训练阶段，在训练集上训练机器学习模型，所述训练集包括：(i)所述图像数据，以及(ii)与所述精液样本中的一个或多个个体精子中的每一个的定性评估相关联的标记；并且将经训练的机器学习模型应用于与目标精液样本相关联的目标图像数据，以标识所述目标样本中的一个或多个精子作为用于授精程序的候选。
11.根据权利要求10所述的方法，其中所述定性评估包括估计涉及所述个体精子的授精程序的成功的可能性。12.根据权利要求10
‑
11中任一项所述的方法，其中所述定性评估至少部分地基于选自由以下组成的组的一个或多个定性参数：检测到的运动性、渐进运动性、线性运动性、形态、基部形态、头部形态以及一个或多个液泡的存在和位置。13.根据权利要求10
‑
12中任一项所述的方法，还包括实行图像处理阶段，并且其中所述图像处理包括以下至少一项：图像数据清洗、图像数据标准化、检测所述图像数据中的个体精子、识别跟踪所述图像数据中的个体精子...
【专利技术属性】
技术研发人员：N，
申请(专利权)人：拜比斯生育有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。