AI，我这里有件很尴尬的事情。你想看一下吗？

大家好，今天来为大家解答AI，我这里有件很尴尬的事情。你想看一下吗？这个问题的一些问题点，包括也一样很多人还不知道，因此呢，今天就来为大家分析分析，现在让我们一起来看看吧！如果解决了您的问题，还望您关注下本站哦，谢谢~

现在，有人已经将AI运用到男科诊断中来研究“蝌蚪”。

是的，这是一项严肃的研究，来自挪威奥斯陆城市大学，甚至发表了自然科学报告。

需要解决的核心问题是如何利用AI观察“蝌蚪”，进而判断雄性的生育能力。

研究人员长时间研究了一群“蝌蚪”的视频，发现：

你所熟悉的卷积神经网络（CNN）简直就是自动观察蝌蚪的神器。

与传统机器学习相比，CNN可以更有效地分析雄性蝌蚪的运动能力，错误率低至9%左右，这意味着准确率已经超过90%。

因此，如果你有一个未来准备当爸爸的朋友，当你去医院检查时，盯着你“儿子”的人可能不是医生，而是人工智能。

蝌蚪总是动，影响当爸爸的能力

在这项研究中，人工智能关注的主要指标是蝌蚪的运动状态。

首先我们先来科普一下。正常育龄男性能否成为父亲，与其生殖系统的诸多因素有关。就蝌蚪而言，其总数、形状、浓度等因素都会影响雄性的生育能力。

蝌蚪的运动状况也是一个重要指标。

比如，高速运动（渐进式）的蝌蚪，跑得很快，可以直线跑，也可以大圈跑，而且力气很大；

还有低速运动的蝌蚪（非渐进式），跑得不快，或者绕圈子，体力不是很大；

还有一种不动的蝌蚪，它太不活跃了，很难找到自己的另一半来合成受精卵。

如果蝌蚪想要传递基因，它需要至少25微米/秒的运动能力。如果一个男人的蝌蚪能跑到这个速度的32%以下，那么他当爸爸可能就没那么容易了。

因此，想要诊断一个男人的生育能力，就必须去医院检测他的精液样本。

这项研究使用传统的机器学习和深度学习方法来区分高速运动、低速运动和静止的蝌蚪。

来自85 人的数据

所以，研究的第一步就是找到蝌蚪数据集，所以……

他们发现了一个名为VISEM 的数据集。

除了视频之外，数据集还包含这85 人的年龄、体重指数（BMI）和禁欲天数三个指标。

首先使用机器学习算法

既然我们要比较传统机器学习算法和CNN，谁对蝌蚪运动状态的识别能力更强，那么我们就从传统机器学习开始吧。

第一步是提取特征。

在这里，研究人员使用了一个名为LIRE（Lucene Image Retrieval）的开源库，然后使用40 多种不同的算法测试了30 多种不同的特征。

最后选择了Tamura特征。这组特征包括蝌蚪的粗细、对比度、方向性、线条形状、规律性和粗糙度，是使用Tamura 特征、数据集中85 个个体的数据以及两者的组合构建的。进行了三组实验来鉴定三种具有不同活力的蝌蚪。

根据三组实验的结果，有六种算法表现最好。它们是：简单线性回归、随机森林、高斯过程、序列最小优化（SMOreg）、弹性网络和随机树。识别错误率约为11%左右。

然而，使用这些机器学习算法有点麻烦：它一次只能识别一个值，因此必须针对三种不同活力的精子每种运行一次，相对耗时。

重用深度学习方法

尝试了传统的机器学习方法之后，我们来尝试一下深度学习，用CNN来识别。

这里不能直接使用原始数据。需要提前做一些处理，从视频中提取原始帧，并使用光流生成帧序列的时间表示。

然后利用CNN对处理后的数据做三组实验，区分三种不同活力的蝌蚪数量。这次方便多了。您可以一次识别三个值，而无需运行三次。通过算法。

加工流程

最终运行结果显示错误率约为9%。

与之前的11%相比，错误率明显降低，效果也好很多。

因此，使用深度学习来识别精子活力不仅比传统的机器学习方法更好，而且只需运行一次算法，使其更快、更方便。

或许在未来，深度学习可以应用到医疗实践中，成为诊断男性不育症的有力工具。

门户网站

VISEM 数据集https://datasets.simula.no/visem/

参考链接https://www.medicalnewstoday.com/articles/320160.php#what-is-sperm-motilityhttps://www.verywellfamily.com/sperm-motility-1960141https://en.wikipedia.org/wiki/Semen_analysis

- 超过-

量子位QbitAI·今日头条签约

关注我们，第一时间了解前沿技术动态