論文の概要: Automated Sperm Assessment Framework and Neural Network Specialized for Sperm Video Recognition

• arxiv url: http://arxiv.org/abs/2311.05927v2
• Date: Mon, 13 Nov 2023 01:56:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-14 11:10:07.993070
• Title: Automated Sperm Assessment Framework and Neural Network Specialized for Sperm Video Recognition
• Title（参考訳）: 精子自動評価フレームワークと精子映像認識に特化したニューラルネットワーク
• Authors: Takuro Fujii, Hayato Nakagawa, Teppei Takeshima, Yasushi Yumura, Tomoki Hamagami
• Abstract要約: 不妊は世界的な健康問題であり、多くのカップルが再生のために医療援助を求めている。 これまで、深層学習を用いた精子評価研究では、精子頭のみからなるデータセットが用いられてきた。 精子評価のためのビデオデータセットを構築した。そのビデオには、精子の頭と首と尾が含まれており、そのラベルにはソフトラベルが付与されている。
• 参考スコア（独自算出の注目度）: 0.7499722271664147
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Infertility is a global health problem, and an increasing number of couples are seeking medical assistance to achieve reproduction, at least half of which are caused by men. The success rate of assisted reproductive technologies depends on sperm assessment, in which experts determine whether sperm can be used for reproduction based on morphology and motility of sperm. Previous sperm assessment studies with deep learning have used datasets comprising images that include only sperm heads, which cannot consider motility and other morphologies of sperm. Furthermore, the labels of the dataset are one-hot, which provides insufficient support for experts, because assessment results are inconsistent between experts, and they have no absolute answer. Therefore, we constructed the video dataset for sperm assessment whose videos include sperm head as well as neck and tail, and its labels were annotated with soft-label. Furthermore, we proposed the sperm assessment framework and the neural network, RoSTFine, for sperm video recognition. Experimental results showed that RoSTFine could improve the sperm assessment performances compared to existing video recognition models and focus strongly on important sperm parts (i.e., head and neck).
• Abstract（参考訳）: 不妊は世界的な健康問題であり、多くのカップルが生殖のために医療援助を求めており、その半分は男性によって引き起こされている。 補助生殖技術の成功率は、精子の形態と運動性に基づいて精子を生殖に使用できるかどうかを専門家が判断する精子アセスメントに依存する。 従来、深層学習を用いた精子評価研究では、精子の運動性やその他の精子の形態を考慮できない精子頭部のみを含む画像からなるデータセットを使用していた。 さらに、データセットのラベルは、専門家間の評価結果が一貫性がなく、絶対的な回答がないため、専門家に不十分なサポートを提供する。 そこで我々は,精子の頭部,頸部,尾部を含む精子評価のためのビデオデータセットを構築し,そのラベルにソフトラベルを付与した。 さらに,精子映像認識のための精子評価フレームワークとニューラルネットワークであるrostfineを提案した。 実験の結果、RoSTFineは既存のビデオ認識モデルと比較して精子評価性能を改善し、重要な精子部分(頭と首)に強く焦点を合わせることができた。

関連論文リスト

• Predicting DNA fragmentation: A non-destructive analogue to chemical assays using machine learning [0.0]
  世界の不妊率は増加しており、全出生の2.5%は2022年に体外受精(IVF)によって支えられている。 精子DNAの評価は伝統的に、IVFに対して精子細胞を不適格にする化学測定によって行われる。 最先端の機械学習の出現と、多くの分野における例外的なパフォーマンスにより、この研究はこれらの成功に基づいている。 精子の完全性を維持し、IVFのための精子の最適な選択を可能にする予測モデルをレンダリングする。
  論文  参考訳（メタデータ） (2024-09-20T08:04:12Z)
• CS3: Cascade SAM for Sperm Segmentation [31.108179290836848]
  精子重複問題に対処するために設計された無監督のアプローチであるCascade SAM for Sperm(CS3)を提案する。 主要な医療機関と共同で約2000枚の未ラベル精子画像からなるデータセットを作成した。 実験の結果,既存手法と比較してCS3の性能は優れていた。
  論文  参考訳（メタデータ） (2024-07-04T09:32:34Z)
• Missing Information, Unresponsive Authors, Experimental Flaws: The Impossibility of Assessing the Reproducibility of Previous Human Evaluations in NLP [84.08476873280644]
  13%の論文は (i) 再生の障壁が十分に低く、 (ii) 再生のために考慮すべき十分な入手可能な情報を持っていた。 その結果,コーディネート・リサーチ・デザインを再現的アプローチから標準化的・再生産的アプローチに変更しなければならなかった。
  論文  参考訳（メタデータ） (2023-05-02T17:46:12Z)
• VISEM-Tracking, a human spermatozoa tracking dataset [3.1673957150053713]
  湿式精子製剤の30秒間(29,196フレームを含む)のビデオ録画を20回行うVISEM-Trackingというデータセットを提供する。 本研究では,VISEM-Trackingデータセットを用いて学習したYOLOv5ディープラーニング(DL)モデルを用いた精子検出性能について述べる。
  論文  参考訳（メタデータ） (2022-12-06T09:25:52Z)
• Bongard-HOI: Benchmarking Few-Shot Visual Reasoning for Human-Object Interactions [138.49522643425334]
  Bongard-HOIは、自然画像からの人間と物体の相互作用の合成学習に焦点を当てた、新しい視覚的推論ベンチマークである。 古典的ボナード問題(BP)の2つの望ましい特徴に着想を得たものである。 Bongard-HOIは、今日の視覚認識モデルに重大な課題を提示している。
  論文  参考訳（メタデータ） (2022-05-27T07:36:29Z)
• Improving Human Sperm Head Morphology Classification with Unsupervised Anatomical Feature Distillation [3.666202958045386]
  近年のDeep Learning (DL) 形態素解析手法は有望なベンチマーク結果を実現するが、性能と堅牢性は表に残されている。 本稿では,ヒト精子顕微鏡作物の解剖学的,画像的先行性を利用して,ラベル付けコストを伴わずに有用な特徴を抽出する新しいDLトレーニングフレームワークを提案する。 2つの公開精子データセットに対する我々の新しいアプローチを評価し、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-02-15T04:58:29Z)
• What Is Considered Complete for Visual Recognition? [110.43159801737222]
  我々は、学習・バイ・圧縮という新しいタイプの事前学習タスクを提唱する。 計算モデルは、コンパクトな特徴を用いて視覚データを表現するように最適化されている。 セマンティックアノテーションは、利用可能であれば、弱い監督の役割を担います。
  論文  参考訳（メタデータ） (2021-05-28T16:59:14Z)
• Semi-Automatic Data Annotation guided by Feature Space Projection [117.9296191012968]
  本稿では,適切な特徴空間投影と半教師付きラベル推定に基づく半自動データアノテーション手法を提案する。 MNISTデータセットとヒト腸内寄生虫の胎児不純物の有無による画像を用いて本手法の有効性を検証した。 この結果から,人間と機械の相補的能力を組み合わせた視覚分析ツールの付加価値が,より効果的な機械学習に有効であることが示唆された。
  論文  参考訳（メタデータ） (2020-07-27T17:03:50Z)
• Mitigating Gender Bias in Captioning Systems [56.25457065032423]
  ほとんどのキャプションモデルは性別バイアスを学習し、特に女性にとって高い性別予測エラーにつながる。 本稿では, 視覚的注意を自己指導し, 正しい性的な視覚的証拠を捉えるためのガイド付き注意画像キャプチャーモデル(GAIC)を提案する。
  論文  参考訳（メタデータ） (2020-06-15T12:16:19Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)
• Sperm Detection and Tracking in Phase-Contrast Microscopy Image Sequences using Deep Learning and Modified CSR-DCF [0.0]
  本稿では、オブジェクト検出器として、深層完全畳み込みニューラルネットワークであるRetinaNetを使用する。 検出フェーズの平均精度は99.1%であり、追跡方法のF1スコアは96.61%である。 これらの結果は精子の行動を研究し、受精の可能性を分析するのに非常に役立ちます。
  論文  参考訳（メタデータ） (2020-02-11T00:38:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。