方向性マスキング技術を用いた自動化された精子形態分析アプローチ

Automated sperm morphology analysis approach using a directional masking technique.

• Hamza Osman Ilhan
• Gorkem Serbes
• Nizamettin Aydin

抄録

精子の形態学は精子の質を評価する上で重要なステップです。手作業による評価では人為的要因による誤解を招く影響があるため、解析にはコンピュータベースの技術を採用する必要がある。本研究では、多段階カスケード接続前処理技術、領域ベースの記述子特徴量、非線形カーネルSVMベースの学習を含む計算フレームワークを提案し、精子の形態評価のための染色された精子画像の分類を行った。提案フレームワークは、ヒト精子頭部形態学データセット(HuSHeM)と精子形態学画像データセット(SMIDS)の2つの精子形態学データセットを用いて評価した。その結果、提案フレームワークで用いられているウェーブレットベースの局所適応的除ノイズ、修正されたオーバーラップ群縮小、画像勾配、自動方向性マスキングなどの前処理技術をカスケードすることで、HuSHeMとSMIDSでそれぞれ10%と5%の分類精度の向上が見られた。提案されたフレームワークは、時間とソースの合理的な消費率で競合他社の膨大な手動の方向付けとトリミング操作を排除するなどの大きな利点を持ちながら、ほとんどの最先端の手法よりも全体的な精度を向上させる結果となった。

Sperm Morphology is the key step in the assessment of sperm quality. Due to the effect of misleading human factors in manual assessments, computer-based techniques should be employed in the analysis. In this study, a computation framework including multi-stage cascade connected preprocessing techniques, region based descriptor features, and non-linear kernel SVM based learning is proposed for the classification of any stained sperm images for the assessment of the morphology. The proposed framework was evaluated on two sperm morphology datasets: the Human Sperm Head Morphology dataset (HuSHeM) and Sperm Morphology Image Data Set (SMIDS). The results indicate that cascading the preprocessing techniques used in the proposed framework, such as wavelet based local adaptive de-noising, modified overlapping group shrinkage, image gradient, and automatic directional masking, increased the classification accuracy by 10% and 5% for the HuSHeM and SMIDS, respectively. The proposed framework results in better overall accuracy than most state-of-the-art methods, while having significant advantages, such as eliminating the exhaustive manual orientation and cropping operations of the competitors with reasonable rates of consumption of time and source.

Copyright © 2020 Elsevier Ltd. All rights reserved.