論文の概要: Validation of an Artificial Intelligence Tool for the Detection of Sperm DNA Fragmentation Using the TUNEL In Situ Hybridization Assay
- arxiv url: http://arxiv.org/abs/2510.11142v1
- Date: Mon, 13 Oct 2025 08:32:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:30.269218
- Title: Validation of an Artificial Intelligence Tool for the Detection of Sperm DNA Fragmentation Using the TUNEL In Situ Hybridization Assay
- Title（参考訳）: TUNEL in situ hybridization法を用いた精子DNAフラグメンテーション検出のための人工知能ツールの検証
- Authors: Byron Alexander Jacobs, Aqeel Morris, Ifthakaar Shaik, Frando Lin,
- Abstract要約: 精子DNA断片化(SDF)は、従来の精液分析では評価に失敗する男性生殖評価において重要なパラメータである。
本研究では、位相コントラスト顕微鏡画像のディジタル解析により、SDFを検出するために設計された新しい人工知能(AI)ツールの有効性を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sperm DNA fragmentation (SDF) is a critical parameter in male fertility assessment that conventional semen analysis fails to evaluate. This study presents the validation of a novel artificial intelligence (AI) tool designed to detect SDF through digital analysis of phase contrast microscopy images, using the terminal deoxynucleotidyl transferase dUTP nick end labeling (TUNEL) assay as the gold standard reference. Utilising the established link between sperm morphology and DNA integrity, the present work proposes a morphology assisted ensemble AI model that combines image processing techniques with state-of-the-art transformer based machine learning models (GC-ViT) for the prediction of DNA fragmentation in sperm from phase contrast images. The ensemble model is benchmarked against a pure transformer `vision' model as well as a `morphology-only` model. Promising results show the proposed framework is able to achieve sensitivity of 60\% and specificity of 75\%. This non-destructive methodology represents a significant advancement in reproductive medicine by enabling real-time sperm selection based on DNA integrity for clinical diagnostic and therapeutic applications.
- Abstract（参考訳）: 精子DNA断片化(SDF)は、従来の精液分析では評価に失敗する男性生殖評価において重要なパラメータである。
本研究は, 位相コントラスト顕微鏡画像のディジタル解析によるSDF検出を目的とした新しい人工知能(AI)ツールの有効性を, 金標準基準として, 末端デオキシヌクレオチジルトランスフェラーゼdUTP nick end labeling (TUNEL) を用いて検証した。
本研究は, 精子形態とDNA整合性の確立された関係を利用して, 画像処理技術と最先端トランスフォーマーベース機械学習モデル(GC-ViT)を組み合わせて, 位相コントラスト画像から精子のDNA断片化を予測する形態支援型アンサンブルAIモデルを提案する。
アンサンブルモデルは、純粋な変換子 `vision' モデルと `morphology-only` モデルとでベンチマークされる。
その結果,提案フレームワークは感度が60 %,特異性が75 %であることがわかった。
この非破壊的手法は、臨床診断および治療応用のためのDNA整合性に基づくリアルタイム精子選択を可能にすることにより、生殖医療の著しい進歩を示す。
関連論文リスト
- Beyond Imaging: Vision Transformer Digital Twin Surrogates for 3D+T Biological Tissue Dynamics [0.433313790597694]
Vision Transformer Digital Twin Surrogate Network (VT-DTSN)は、生体組織からの3D+T画像データの予測モデリングのためのディープラーニングフレームワークである。
VT-DTSNはショウジョウバエミガットの高忠実で時間分解されたダイナミクスを再構築することを学ぶ。
論文 参考訳（メタデータ） (2025-08-21T16:24:24Z) - Object Detection for Medical Image Analysis: Insights from the RT-DETR Model [40.593685087097995]
本稿では,RT-DETRモデルに基づく複雑な画像データ解析のための新しい検出フレームワークの適用について述べる。
RT-DETRモデルはTransformerベースのアーキテクチャ上に構築され,高次元かつ複雑な視覚データ処理に優れ,堅牢性と精度が向上した。
論文 参考訳（メタデータ） (2025-01-27T20:02:53Z) - Merging synthetic and real embryo data for advanced AI predictions [69.07284335967019]
我々は、作成した2つのデータセットを用いて、2つの生成モデルをトレーニングし、既存の1つのデータセットを使用して、様々な細胞レベルで合成胚画像を生成する。
これらは実画像と組み合わせて、胚細胞ステージ予測のための分類モデルを訓練した。
その結果,実データと合成画像を組み合わせることで分類性能が向上し,実データのみをトレーニングした場合の94.5%に比べて97%の精度が得られた。
論文 参考訳（メタデータ） (2024-12-02T08:24:49Z) - Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。
異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。
このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
論文 参考訳（メタデータ） (2024-03-26T12:20:10Z) - Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。
発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。
ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
論文 参考訳（メタデータ） (2023-05-18T06:54:56Z) - Bi-parametric prostate MR image synthesis using pathology and
sequence-conditioned stable diffusion [3.290987481767681]
テキストに条件付けされた多列前立腺MR画像のための画像合成機構を提案する。
我々は、ペア化されたデータに条件付けされた画像に条件付けされたペア化されたバイパラメトリック画像を生成する。
前立腺癌を疑う症例の2次元画像スライスを用いて本法の有効性を検証した。
論文 参考訳（メタデータ） (2023-03-03T17:24:39Z) - Improving Mitosis Detection Via UNet-based Adversarial Domain
Homogenizer [1.7298084639157258]
本稿では,入力画像の対角的再構成による組織像の領域差を軽減するため,有糸分裂検出のためのドメインホモジェナイザを提案する。
我々は,前処理した画像間の領域差の低減を観察することにより,ドメインホモジェナイザの有効性を示す。
このホモジェナイザーと後続の網膜-網状物体検出器を用いて、検出されたミオティックな図形の平均精度で2021 MIDOGチャレンジのベースラインを上回りました。
論文 参考訳（メタデータ） (2022-09-15T11:15:57Z) - From Static to Dynamic Structures: Improving Binding Affinity Prediction with Graph-Based Deep Learning [40.83037811977803]
Dynaformerは、タンパク質-リガンド結合親和性を予測するために開発されたグラフベースのディープラーニングモデルである。
CASF-2016ベンチマークデータセットでは、最先端のスコアとランキングの能力を示している。
熱ショックタンパク質90(HSP90)の仮想スクリーニングにおいて、20の候補を同定し、それらの結合親和性を実験的に検証する。
論文 参考訳（メタデータ） (2022-08-19T14:55:12Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - Deep learning-based bias transfer for overcoming laboratory differences
of microscopic images [0.0]
免疫蛍光(IF)およびヘマトキシリンおよびエオシン(H&E)染色顕微鏡画像の領域シフトを克服するために,既存の生成モデルアーキテクチャを評価し,比較し,改良する。
前立腺生検では,ヒト腎糸球体およびポドサイトに対するピクセルレベルのセグメンテーションが有意に向上し,分類精度が最大14%向上した。
論文 参考訳（メタデータ） (2021-05-25T09:02:30Z)
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。