基于人工智能的精子质量评估方法、系统及设备技术方案

本发明专利技术属于人工智能技术领域，公开了一种基于人工智能的精子质量评估方法、系统及设备，精子质量评估方法包括：获取精子图像，并将精子图像放大为不同的放大倍数；对精子形态学参数进行测量，收集测量参数；对精子畸形的类型进行分类，收集分类数据；构建神经网络模型，通过测量参数和分类数据对神经网络模型进行训练，得到训练好的神经网络模型；将实时精子图像输入神经网络模型得到精子质量评估结果。本发明专利技术的精子质量评估方法，对放大后的精子图像进行图像处理后进行专家评估，形成精子数据库，精子数据库作为训练数据对神经网络模型进行训练，得到训练好的神经网络模型，神经网络模型能够准确评估实时精子图像的精子质量。模型能够准确评估实时精子图像的精子质量。模型能够准确评估实时精子图像的精子质量。

【技术实现步骤摘要】
基于人工智能的精子质量评估方法、系统及设备


[0001]本专利技术属于人工智能
，具体涉及一种基于人工智能的精子质量评估方法、系统及设备。

技术介绍

[0002]活精子细胞器形态学检查(MSOME)是一种在6000倍以上放大倍数下实时对分离的运动精子进行形态学分析，可以准确评估六个亚细胞结构，包括顶体、顶体后致密层、颈部、细胞核、尾部和线粒体，可以获得无损伤的最佳精子。可以帮助胚胎学家选择形态正常的精子进行卵胞浆内单精子注射(ICSI)。MOSME是一种特异性检测精子头部空泡的方法。精子空泡的特征如下：空泡常见于精子头部；空泡更常分布在精子头的前正中区；有不同类型的空泡；精子空泡的起源仍不确定；精子空泡与常规精液参数之间存在一定程度的相关性。
[0003]研究发现精子空泡与染色质凝聚异常率、DNA碎片率和精子染色体非整倍体异常率呈正相关；可导致受精率低，优质胚胎率低，特别是临床妊娠率低。通过MSOME技术可以获取无损且最佳的精子ICSI受精，从而提高胚胎发育潜能，达到增加临床妊娠率，降低流产率的目的。
[0004]但是，在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：目前MSOME技术还处在人工分析的阶段，活体精子，缺少染色后精子细胞形态的信息；精子操作时要不停转换物镜，耗时，容易疲劳、误判、精子丢失，工作效率低。

技术实现思路

[0005]本专利技术旨在至少在一定程度上解决上述技术问题。为此，本专利技术目的在于提供一种基于人工智能的精子质量评估方法、系统及设备。
[0006]本专利技术所采用的技术方案为：
[0007]基于人工智能的精子质量评估方法，包括以下步骤：
[0008]获取精子图像，并将精子图像分别放大为不同的放大倍数；
[0009]通过放大后的精子图像对精子形态学参数进行测量，收集测量参数；
[0010]通过放大后的精子图像对精子畸形的类型进行分类，收集分类数据；
[0011]构建神经网络模型，通过测量参数和分类数据对神经网络模型进行训练，得到训练好的神经网络模型；
[0012]将实时精子图像输入神经网络模型得到精子质量评估结果。
[0013]优选地，所述精子图像包括活体静态精子图片和经过巴氏染色的精子图片。
[0014]优选地，精子质量评估方法还包括步骤：
[0015]对放大后的精子图像进行压缩处理，在低分辨率下进行精子头部和精子尾部的分割，对分割后的精子尾部部分图像进行分析；
[0016]对放大后的精子图像进行剪切，在高分辨率下进行精子头部分割和精子头部轮廓分割，对分割后的精子头部图像进行空泡识别并计数，对分割后的精子头部轮廓图像进行
椭圆拟合后进行长宽比、顶体比例和重合度的计算。
[0017]优选地，所述神经网络模型的训练方法包括：
[0018]比对活体静态和巴氏染色参数，形成学习记忆、实现精子虚拟染色分析能力；
[0019]比对不同放大倍数的测量参数，实现不同放大倍数精子切换后的记忆能力；
[0020]由静态研究转到运动精子捕捉分析，实现实时跟踪分析。
[0021]基于人工智能的精子质量评估系统，包括：
[0022]图像采集模块，用于获取训练用的精子图像以及评估用的实时精子图像；
[0023]图像处理模块，用于将精子图像分别放大为不同的放大倍数；用于对放大后的精子图像进行压缩处理，在低分辨率下进行精子头部和精子尾部的分割，对分割后的精子尾部部分图像进行分析；以及用于对放大后的精子图像进行剪切，在高分辨率下进行精子头部分割和精子头部轮廓分割，对分割后的精子头部图像进行空泡识别并计数，对分割后的精子头部轮廓图像进行椭圆拟合后进行长宽比、顶体比例和重合度的计算；
[0024]测量模块，用于通过放大后的精子图像对精子形态学参数进行测量，收集测量参数；
[0025]分类模块，用于通过放大后的精子图像对精子畸形的类型进行分类，收集分类数据；
[0026]模型构建模块，用于构建神经网络模型，通过测量参数和分类数据对神经网络模型进行训练，输出训练成功的神经网络模型；
[0027]神经网络模型，用于通过实时精子图像得到精子质量评估结果。
[0028]优选地，所述精子图像包括活体静态精子图片和经过巴氏染色的精子图片；精子图像的放大倍数分别为200倍、1000倍和6000倍。
[0029]一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述的基于人工智能的精子质量评估方法的步骤。
[0030]本专利技术的有益效果为：
[0031]本专利技术所提供的基于人工智能的精子质量评估方法，对放大后的精子图像进行图像处理后进行形态学和空泡的评估，在专家评估的基础上形成精子数据库，精子数据库作为训练数据对神经网络模型进行训练，最后得到训练好的神经网络模型，神经网络模型能够准确评估实时精子图像的精子质量。
附图说明
[0032]图1是本专利技术基于人工智能的精子质量评估方法的流程图。
[0033]图2是本专利技术图像处理的流程图。
具体实施方式
[0034]下面将结合本专利技术中的附图，对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0035]应当理解，还应当注意到实施例中，所出现的功能/动作可能与附图出现的顺序不
同。例如，取决于所涉及的功能/动作，实际上可以实质上并发地执行，或者有时可以以相反的顺序来执行连续示出的两个图。
[0036]如图1和图2所示，本实施例的基于人工智能的精子质量评估方法，包括以下步骤：
[0037]精液处理后分离出精子，制片活体或染色(染色方法统一采用程序化巴氏染色法)后，拍摄高清精子图像，将拍摄的精子图像分别放大200倍、1000倍、6000倍，得到放大后的精子图像，放大后的精子图像包括活体静态精子图片和经过巴氏染色的精子图片。
[0038]对放大后的精子图像进行压缩处理，在低分辨率下进行精子头部和精子尾部的分割，对分割后的精子尾部部分图像进行分析；
[0039]对放大后的精子图像进行剪切，在高分辨率下进行精子头部分割和精子头部轮廓分割，对分割后的精子头部图像进行空泡识别并计数，对分割后的精子头部轮廓图像进行椭圆拟合后进行长宽比、顶体比例和重合度的计算。
[0040]正常形态精子的判断标准：精子头外形应光滑、轮廓规则，大体上呈椭圆形，顶体区可清晰分辨，占头部的40％
‑
70％，没有大空泡，并且不超过2个小空泡，空泡大小不超过头部的20％，顶体后区不含任何空泡；中段应该细长、规则，大约与头部长度相等，中段主轴应与头部长轴成一条直线，残留胞浆不超过精子头大小的1/3；主段应该比中段细，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的精子质量评估方法，其特征在于，包括以下步骤：获取精子图像，并将精子图像分别放大为不同的放大倍数；通过放大后的精子图像对精子形态学参数进行测量，收集测量参数；通过放大后的精子图像对精子畸形的类型进行分类，收集分类数据；构建神经网络模型，通过测量参数和分类数据对神经网络模型进行训练，得到训练好的神经网络模型；将实时精子图像输入神经网络模型得到精子质量评估结果。2.根据权利要求1所述的精子质量评估方法，其特征在于：所述精子图像包括活体静态精子图片和经过巴氏染色的精子图片。3.根据权利要求1或2所述的精子质量评估方法，其特征在于：所述精子图像的放大倍数分别为200倍、1000倍和6000倍。4.根据权利要求1所述的精子质量评估方法，其特征在于，还包括步骤：对放大后的精子图像进行压缩处理，在低分辨率下进行精子头部和精子尾部的分割，对分割后的精子尾部部分图像进行分析；对放大后的精子图像进行剪切，在高分辨率下进行精子头部分割和精子头部轮廓分割，对分割后的精子头部图像进行空泡识别并计数，对分割后的精子头部轮廓图像进行椭圆拟合后进行长宽比、顶体比例和重合度的计算。5.根据权利要求1所述的精子质量评估方法，其特征在于：所述神经网络模型的训练方法包括：比对活体静态和巴氏染色参数，形成学习记忆、实现精子虚拟染色分析能力；比对不同放大倍数的测量参数，实现不同放大倍数精子切换后的记忆能力；由静态研究转到运动精子捕捉分析...

【专利技术属性】
技术研发人员：林典梁，曹华，张正绵，孙蓬明，缪崇，付运，江素华，林于蓝，杨蓉，蔡颖丽，
申请(专利权)人：福建省妇幼保健院，
类型：发明
国别省市：