CN114518362A - 精子质量分析装置、系统、方法及可读存储介质 - Google Patents
精子质量分析装置、系统、方法及可读存储介质 Download PDFInfo
- Publication number
- CN114518362A CN114518362A CN202210175718.9A CN202210175718A CN114518362A CN 114518362 A CN114518362 A CN 114518362A CN 202210175718 A CN202210175718 A CN 202210175718A CN 114518362 A CN114518362 A CN 114518362A
- Authority
- CN
- China
- Prior art keywords
- sperm
- image
- analysis
- images
- objective lens
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims description 19
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000003384 imaging method Methods 0.000 claims abstract description 20
- 230000000877 morphologic effect Effects 0.000 claims abstract description 18
- 231100000182 Sperm DNA damage Toxicity 0.000 claims abstract description 13
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 238000012933 kinetic analysis Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 230000003287 optical effect Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000019100 sperm motility Effects 0.000 claims description 8
- 238000013136 deep learning model Methods 0.000 claims description 7
- 230000033001 locomotion Effects 0.000 claims description 7
- 210000000582 semen Anatomy 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 238000013434 data augmentation Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000004899 motility Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 231100000277 DNA damage Toxicity 0.000 claims description 3
- 230000005778 DNA damage Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000007935 neutral effect Effects 0.000 claims 1
- 230000010354 integration Effects 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract 1
- 210000004027 cell Anatomy 0.000 description 12
- 230000000694 effects Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 208000013166 Abnormality of the head Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000032170 Congenital Abnormalities Diseases 0.000 description 1
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 208000007466 Male Infertility Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000007698 birth defect Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000000509 infertility Diseases 0.000 description 1
- 230000036512 infertility Effects 0.000 description 1
- 231100000535 infertility Toxicity 0.000 description 1
- 208000021267 infertility disease Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 230000037195 reproductive physiology Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1434—Optical arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1434—Optical arrangements
- G01N2015/144—Imaging characterised by its optical setup
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N2015/1486—Counting the particles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Dispersion Chemistry (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请公开了精子质量分析装置、系统、方法及可读存储介质，精子质量分析装置，包括显微图像扫描系统、处理器和温控系统；精子质量分析系统，包括自动物镜转换系统、自动移动平台、相衬成像识别系统和图像处理系统和恒温控制系统；基于深度学习的精子形态分类系统以预处理形态学图片为输入，完成精子形态学识别与分类的工作，图像预处理先对图像的目标精子进行有选择地处理以改善图像的视觉效果，转变为更适合于分析仪处理的形式；然后处理器分别对精子进行精子动力学分析、精子形态学分析和精子DNA损伤分析；实现全自动精子形态学分析和精子DNA损伤分析的一体化。
Description
技术领域
本申请涉及医学领域，尤其涉及精子质量分析装置、系统、方法及可读存储介质。
背景技术
世界范围内的不孕症正呈上升趋势，世界卫生组织统计资料显示，不孕夫妇已占育龄夫妇的7％～15％，生育障碍已经成为仅次于肿瘤和心脑血管疾病的第三大疾病。人类精液检查可以运用在男性不育诊断、避孕效果判断、生殖生理学研究、生殖流行病调查及辅助生殖等诸多领域。
人类精液检查内容包括精子形态学分析，精子活力分析，精子数量分析，精子存活率分析，精子DNA检测等各个方面。
针对现有的精子质量分析装置，其可以根据简单的精子动力学分析、精子形态学分析和DNA碎片率分析，参考已公开专利CN213456680U和CN3165444。然而，无法实现当精子图像中精子与白细胞相撞融合图像无法识别问题，精子阈值图像分割和合并出现阴影问题也没有得到解决，无法实现全自动精子质量分析，包括显微镜自动物镜转换、载物台自动控制温度、自动对焦、自动分析，出具分析结果。无法实现精子动力学分析、精子形态学分析、精子DNA损伤分析的一体化。
发明内容
本申请实施例提供精子质量分析装置、系统、方法及可读存储介质，整合显微镜自动控制技术、图像自动采集技术、人工智能图像识别技术和医学大数据分析实现精子质量的自动识别与分析。实现全自动精子质量分析，包括显微镜自动物镜转换、载物台自动控制温度、自动对焦、自动分析，出具分析结果。实现精子动力学分析、精子形态学分析、精子DNA损伤分析的一体化。
精子质量分析装置，其特征在于，包括显微图像扫描系统、处理器和温控系统：
所述显微图像扫描系统内侧安装有所述温控系统，且所述显微图像扫描系统右侧设置有所述温控系统；
所述显微图像扫描系统包括显微摄影摄像装置、镜筒、物镜、载物台、聚光镜、集光器、光源座、滤光片安装器和物镜转换器；
所述显微摄影摄像装置下方固定有若干个所述物镜和所述物镜转换器，且所述显微摄影摄像装置外侧安装有所述镜筒；
所述物镜正下方固定有所述载物台，所述载物台下方设置有所述聚光镜，所述聚光镜外侧固定有滤光片安装器，所述集光器和所述光源座均固定在滤光片安装器下方。
优选地，所述物镜转换器、所述物镜和所述载物台构成自动移动平台，且所述自动移动平台为XYZ三维自动控制，所述自动移动平台根据坐标参数进行移动，所述载物台为双层平台，且双层平台为电机控制。
优选地，中位的所述物镜的初始机械为0位，其他所述物镜相对0位坐标进行参数设定。
精子质量分析系统，其特征在于，包括自动物镜转换系统、自动移动系统、相衬成像识别系统和图像处理系统和恒温控制系统；
所述自动物镜转换系统用于动力学分析在20X明场\相衬物镜下采集图像，精子形态学分析需要100X油镜的图像采集，DNA损伤分析采图需要20X物镜图像采集，仪器分析需自动完成不同倍率物镜间的自动切换；
所述自动移动系统控制平台电机实现高精度、高平稳度和高效率的三维运动；
所述相衬成像识别系统将高帧率CCD和相衬显微镜成像，并自动采集，供软件进一步的处理和分析；
所述图像处理系统自动收集图像，自动传输诊断图像信息，使用海量图像进行深度模型学习，完成精子形态学识别与分类的工作；
所述恒温控制系统对精子活力分析，保持37℃的恒温以确保分析数据的准确性。
精子质量分析方法，其特征在于，包括以下步骤：
液化后的精液标本，混匀后加样于精子计数池中，并置于生物显微镜下，通过显微成像显示在显示屏上；
网络模块自动收集图像，自动传输诊断图像信息，使用海量图像进行深度学习模型的建立；
图像预处理先对图像的目标精子进行有选择地处理以改善图像的视觉效果，转变为更适合于分析仪处理的形式，以便于精子细胞的边缘显示或图像切割；
然后处理器分别对精子进行精子动力学分析、精子形态学分析和精子DNA 损伤分析。
优选地，所述精子动力学分析是处理器对精子动态视频图像进行分析，获得标本的精子浓度、总活力及活力分类；
所述精子形态学分析是将制作完成的标本片置于显微镜下，通过显微成像采集精子图像，处理器对精子图像进行分析识别，得到精子形态分类计数及百分比统计；
所述精子DNA损伤分析是通过显微成像采集精子图像，处理器对精子图像进行分析识别，得到正常精子和含有DNA碎片精子的计数和百分比统计。
优选地，所述深度学习模型的建立包括以下步骤：
利用BI+模块和5G网络模块自动收集图像，自动传输诊断图像信息；
图像预处理对图像的目标精子进行有选择地处理以改善图像的视觉效果，转变为更适合于分析仪处理的形式；
然后系统采用图像拼接技术，将分析仪获得的图像自动拼接成用于分析识别的完整图像，并做图像增强、度量归一、数据增广处理；
随后利用精子数据库进行卷积神经网络模型的训练；
输出模型进行识别和分类。
优选地，所述图像增强利用改进UWB算法进行图像的补偿，其中改进UWB 算法为：
其中
和
均为色彩校正系数，Irc(A)和Ibc(A)为增强后图像色彩均值Ig(A)、Ib(A)和Ir(A)为原来通道色彩均值。
优选地，所述图像拼接技术为特征点匹配；
利用SIFT特征点监测算法进行图像的特征点监测，当SIFT特征点监测后进行特征点的匹配；
根据欧式距离来判断特征点是否匹配，2幅图像的精确匹配特征点后，根据图像变换求解坐标矩阵进行图像的拼接；
其中坐标矩阵求解公式为：
其中(x′，y′)和(x,y)分别为等待匹配图像特征点和参考图像特征点。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，包括以下步骤：
液化后的精液标本，混匀后加样于精子计数池中，并置于生物显微镜下，通过显微成像显示在显示屏上；
网络模块自动收集图像，自动传输诊断图像信息，使用海量图像进行深度学习模型的建立；
图像预处理先对图像的目标精子进行有选择地处理以改善图像的视觉效果，转变为更适合于分析仪处理的形式，以便于精子细胞的边缘显示或图像切割；
然后处理器分别对精子进行精子动力学分析、精子形态学分析和精子DNA 损伤分析。
所述精子动力学分析是处理器对精子动态视频图像进行分析，获得标本的精子浓度、总活力及活力分类；
所述精子形态学分析是将制作完成的标本片置于显微镜下，通过显微成像采集精子图像，处理器对精子图像进行分析识别，得到精子形态分类计数及百分比统计；
所述精子DNA损伤分析是通过显微成像采集精子图像，处理器对精子图像进行分析识别，得到正常精子和含有DNA碎片精子的计数和百分比统计。
所述深度学习模型的建立包括以下步骤：
利用BI+模块和5G网络模块自动收集图像，自动传输诊断图像信息；
图像预处理对图像的目标精子进行有选择地处理以改善图像的视觉效果，转变为更适合于分析仪处理的形式；
为了解决然后系统采用图像拼接技术，将分析仪获得的图像自动拼接成用于分析识别的完整图像，并做图像增强、度量归一、数据增广处理；
随后利用精子数据库进行卷积神经网络模型的训练；
输出模型进行识别和分类。
所述图像增强利用改进UWB算法进行图像的补偿，其中改进UWB算法为：
其中
和
均为色彩校正系数，Irc(A)和Ibc(A)为增强后图像色彩均值Ig(A)、Ib(A)和Ir(A)为原来通道色彩均值。
所述图像拼接技术为特征点匹配；
利用SIFT特征点监测算法进行图像的特征点监测，当SIFT特征点监测后进行特征点的匹配；
根据欧式距离来判断特征点是否匹配，2幅图像的精确匹配特征点后，根据图像变换求解坐标矩阵进行图像的拼接；
其中坐标矩阵求解公式为：
其中(x′，y′)和(x,y)分别为等待匹配图像特征点和参考图像特征点。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中的精子质量分析装置的剖切结构示意图；
图2为本申请实施例中精子质量分析装置的显微图像扫描系统结构图；
图3为本申请实施例中精子质量分析装置的立体图；
图4为本申请实施例中精子质量分析方法的流程图。
图中：1-显示图像扫描系统；2-处理器；3-温控系统；101-显微摄影摄像装置；102-镜筒；103-物镜；104-载物台；105-聚光镜；106-集光器；107-光源座；108-滤光片安装器；109-物镜转换器。
具体实施方式
本申请实施例中提供精子质量分析仪系统、装置及方法，满足全自动精子质量分析，包括显微镜自动物镜转换、载物台自动控制温度、自动对焦、自动分析，出具分析结果。实现精子动力学分析、精子形态学分析、精子DNA损伤分析的一体化目的。
下面结合参照附图1-4对本申请实施例提供的用于精子质量分析装置、系统、方法及可读存储介质作进一步说明，
参考图1-4，精子质量分析分为三个模块，为了实现高精度、高平稳度和高效率，精子质量分析装置，包括显微图像扫描系统、处理器和温控系统：显微图像扫描系统内侧安装有温控系统，且显微图像扫描系统右侧设置有温控系统；显微图像扫描系统包括显微摄影摄像装置、镜筒、物镜、载物台、聚光镜、集光器、光源座、滤光片安装器和物镜转换器；显微摄影摄像装置下方固定有若干个物镜和物镜转换器，且显微摄影摄像装置外侧安装有镜筒；物镜正下方固定有载物台，载物台下方设置有聚光镜，聚光镜外侧固定有滤光片安装器，集光器和光源座均固定在滤光片安装器下方，动力学分析在20X明场\相衬物镜下采集图像，精子形态学分析需要100X油镜的图像采集，DNA损伤分析采图需要20X物镜图像采集。仪器分析需自动完成不同倍率物镜间的自动切换。物镜能够自动旋转，有初始机械0位，其他物镜相对0位坐标进行参数设置；
由于精液中的精子是半透明细胞，器性状适宜采用相衬光学显微镜进行成像分析。相衬显微镜是一种将光线通过透明标本细节时所产生的光程差(即相位差)转化为光强差的特种显微镜。光线通过比较透明的标本时，光的波长(颜色)和振幅(亮度)都没有明显的变化。因此，用普通光学显微镜观察未经染色的标本(如活的细胞)时，其形态和内部结构往往难以分辨。然而，由于细胞各部分的折射率和厚度的不同，光线通过这种标本时，直射光和衍射光的光程就会有差别。随着光程的增加或减少，加快或落后的光波的相位会发生改变 (产生相位差)。
由于光的相位差人的肉眼感觉不到，但相衬显微镜能通过其特殊装置——环状光阑和相板，利用光的干涉现象，将光的相位差转变为人眼可以察觉的振幅差(明暗差)，从而使原来透明的物体表现出明显的明暗差异，对比度增强，使我们能比较清楚的观察到普通光学显微镜和暗视野显微镜下都看不到或看不清的活细胞及细胞内的某些细微结构；通过高帧率CCD和相衬显微镜成像，并自动采集，供系统进一步的处理和分析；
其中精子活力分析，精子数量分析，精子存活率分析，精子DNA检测等各个方面。具体如下：精子动力学分析是根据精子运动功能的不同主要分成以下几类：A.PR(前向运动)：精子呈直线或沿一大圆周运动，不管其速度如何。(精子运动位移>5微米)B.NP(非前向运动)：所有其他非前向运动的形式，如以小圆周泳动，尾部动力几乎不能驱使头部移动，或者只能观察到尾部摆动。(精子运动位移≤5微米)C.IM(不活动)：没有运动。(精子运动位移为零)D.精子浓度＝被检总数/视野图像区域体积形态学分析是根据精子在涂片染色后，显微镜下对精子进行正常形态和异常形态的分类，其中异常形态又分为头部、中段、主段的异常。
DNA碎片率分析是根据精子在涂片染色后，显微镜下对精子进行DNA完整性的分类；
为了保持37℃的恒温以确保分析数据的准确性，恒温控制系统对精子活力分析；
为了使得实现自动检测和分类，利用BI模块和5G网络模块自动收集图像，自动传输诊断图像信息；
为了解决当精子图像中精子与白细胞相撞融合图像无法识别问题和精子阈值图像分割和合并出现阴影问题，图像预处理对图像的目标精子进行有选择地处理以改善图像的视觉效果，由于每个图像均为红、绿、蓝三个分量组成，那么利用改进UWB算法进行图像的补偿，其中改进UWB算法为：
其中
和
均为色彩校正系数，Irc(A)和Ibc(A)为增强后图像色彩均值Ig(A)、Ib(A)和Ir(A)为原来通道色彩均值，然后转变为更适合于分析仪处理的形式；
为了解决精子形态学分析100X物镜下视野过小导致的画面边缘精子形态缺失的问题，然后系统采用图像拼接技术，图像拼接技术为特征点匹配；利用 SIFT特征点监测算法进行图像的特征点监测，当SIFT特征点监测后进行特征点的匹配；根据欧式距离来判断特征点是否匹配，2幅图像的精确匹配特征点后，根据图像变换求解坐标矩阵进行图像的拼接；其中坐标矩阵求解公式为：
其中(x′，y′)和(x,y)分别为等待匹配图像特征点和参考图像特征点。将分析仪获得的图像自动拼接成用于分析识别的完整图像，并做图像增强、度量归一、数据增广处理；
液化后的精液标本，混匀后加样于精子计数池中，并置于生物显微镜下，通过显微成像显示在显示屏上；
网络模块自动收集图像，自动传输诊断图像信息，使用海量图像进行深度学习模型的建立；
图像预处理先对图像的目标精子进行有选择地处理以改善图像的视觉效果，转变为更适合于分析仪处理的形式，以便于精子细胞的边缘显示或图像切割；
随后利用精子数据库进行卷积神经网络模型的训练；输出模型进行识别和分类；
然后处理器分别对精子进行精子动力学分析、精子形态学分析和精子DNA 损伤分析。
精子动力学分析是处理器对精子动态视频图像进行分析，获得标本的精子浓度、总活力及活力分类；
精子形态学分析是将制作完成的标本片置于显微镜下，通过显微成像采集精子图像，处理器对精子图像进行分析识别，得到精子形态分类计数及百分比统计；
精子DNA损伤分析是通过显微成像采集精子图像，处理器对精子图像进行分析识别，得到正常精子和含有DNA碎片精子的计数和百分比统计；
基于深度神经网络的方法，完成提取图像特征、标记数据学习、形态学识别学习和分割，最终形成完整的精子形态学分析。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.精子质量分析装置，其特征在于，包括显微图像扫描系统、处理器和温控系统：
所述显微图像扫描系统内侧安装有所述温控系统，且所述显微图像扫描系统上设置有所述温控系统；
所述显微图像扫描系统包括显微摄影摄像装置、镜筒、物镜、载物台、聚光镜、集光器、光源座、滤光片安装器和物镜转换器；
所述显微摄影摄像装置下方固定有若干个所述物镜和所述物镜转换器，且所述显微摄影摄像装置外侧安装有所述镜筒；
所述物镜正下方固定有所述载物台，所述载物台下方设置有所述聚光镜，所述聚光镜外侧固定有滤光片安装器，所述集光器和所述光源座均固定在滤光片安装器下方。
2.根据权利要求1所述的精子质量分析装置，其特征在于，所述物镜转换器和所述载物台构成自动移动平台，且所述自动移动平台为XYZ三维自动控制，所述自动移动平台根据坐标参数进行移动，所述载物台为双层平台，且双层平台为电机控制。
3.根据权利要求1所述的精子质量分析仪装置，其特征在于，中位的所述物镜的初始机械为0位，其他所述物镜相对0位坐标进行参数设定。
4.精子质量分析系统，其特征在于，包括自动物镜转换系统、自动移动系统、相衬成像识别系统和图像处理系统和恒温控制系统；
所述自动物镜转换系统用于动力学分析在20X物镜下采集图像，精子形态学分析需要100X油镜的图像采集，DNA损伤分析采图需要20X物镜图像采集，仪器分析需自动完成不同倍率物镜间的自动切换；
所述自动移动系统控制平台电机实现高精度、高平稳度和高效率的三维运动；
所述相衬成像识别系统将高帧率CCD和相衬显微镜成像，并自动采集，供软件进一步的处理和分析；
所述图像处理系统自动收集图像，自动传输诊断图像信息，使用海量图像进行深度模型学习，完成精子形态学识别与分类的工作；
所述恒温控制系统对精子活力分析，保持37℃的恒温以确保分析数据的准确性。
5.精子质量分析方法，其特征在于，包括以下步骤：
液化后的精液标本，混匀后加样于精子计数池中，并置于生物显微镜下，通过显微成像显示在显示屏上；
网络模块自动收集图像，自动传输诊断图像信息，使用海量图像进行深度学习模型的建立；
图像预处理先对图像的目标精子进行有选择地处理以改善图像的视觉效果，转变为更适合于分析仪处理的形式，以便于精子细胞的边缘显示或图像切割；
然后处理器分别对精子进行精子动力学分析、精子形态学分析和精子DNA损伤分析。
6.根据权利要求5所述的方法，其特征在于，所述精子动力学分析是处理器对精子动态视频图像进行分析，获得标本的精子浓度、总活力及活力分类；
所述精子形态学分析是将制作完成的标本片置于显微镜下，通过显微成像采集精子图像，处理器对精子图像进行分析识别，得到精子形态分类计数及百分比统计；
所述精子DNA损伤分析是通过显微成像采集精子图像，处理器对精子图像进行分析识别，得到正常精子和含有DNA碎片精子的计数和百分比统计。
7.根据权利要求5所述的方法，其特征在于，所述深度学习模型的建立包括以下步骤：
利用BI模块和5G网络模块自动收集图像，自动传输诊断图像信息；
图像预处理对图像的目标精子进行有选择地处理以改善图像的视觉效果，转变为更适合于分析仪处理的形式；
然后系统采用图像拼接技术，将分析仪获得的图像自动拼接成用于分析识别的完整图像，并做图像增强、度量归一、数据增广处理；
随后利用精子数据库进行卷积神经网络模型的训练；
输出模型进行识别和分类。
8.根据权利要求6所述的方法，其特征在于，所述图像增强利用改进UWB算法进行图像的补偿，其中改进UWB算法为：
其中
和
均为色彩校正系数，Irc(A)和Ibc(A)为增强后图像色彩均值Ig(A)、Ib(A)和Ir(A)为原来通道色彩均值。
9.根据权利要求6所述的方法，其特征在于，所述图像拼接技术为特征点匹配；
利用SIFT特征点监测算法进行图像的特征点监测，当SIFT特征点监测后进行特征点的匹配；
根据欧式距离来判断特征点是否匹配，2幅图像的精确匹配特征点后，根据图像变换求解坐标矩阵进行图像的拼接；
其中坐标矩阵求解公式为：
其中(x′，y′)和(x,y)分别为等待匹配图像特征点和参考图像特征点。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求5至9任意一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210175718.9A CN114518362A (zh) | 2022-02-24 | 2022-02-24 | 精子质量分析装置、系统、方法及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210175718.9A CN114518362A (zh) | 2022-02-24 | 2022-02-24 | 精子质量分析装置、系统、方法及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114518362A true CN114518362A (zh) | 2022-05-20 |
Family
ID=81598892
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210175718.9A Pending CN114518362A (zh) | 2022-02-24 | 2022-02-24 | 精子质量分析装置、系统、方法及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114518362A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116863388A (zh) * | 2023-09-05 | 2023-10-10 | 青岛农业大学 | 一种基于神经网络的精子活力确定方法及系统 |
-
2022
- 2022-02-24 CN CN202210175718.9A patent/CN114518362A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116863388A (zh) * | 2023-09-05 | 2023-10-10 | 青岛农业大学 | 一种基于神经网络的精子活力确定方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Quinn et al. | Deep convolutional neural networks for microscopy-based point of care diagnostics | |
| JP6453298B2 (ja) | 細胞診標本を観察および解析するためのシステムおよび方法 | |
| Quinn et al. | Automated blood smear analysis for mobile malaria diagnosis | |
| WO2005121863A1 (en) | Automated diagnosis of malaria and other infections | |
| WO2020068380A1 (en) | Automated evaluation of sperm morphology | |
| CN113781455B (zh) | 宫颈细胞图像异常检测方法、装置、设备及介质 | |
| US20220383629A1 (en) | Label-free cell classification and screening system based on hybrid transfer learning | |
| JP2024019639A (ja) | 顕微鏡システム、プログラム、及び、投影画像生成方法 | |
| CN117576103B (zh) | 集成电控显微镜和深度学习算法的尿沉渣镜检分析系统 | |
| CN111579466B (zh) | 一种家用型精子检测装置和检测方法 | |
| CN114518362A (zh) | 精子质量分析装置、系统、方法及可读存储介质 | |
| CN112001315A (zh) | 基于迁移学习和图像纹理特征的骨髓细胞分类识别方法 | |
| US8965098B2 (en) | Cell-image analyzing apparatus | |
| Evangeline et al. | Computer aided system for human blood cell identification, classification and counting | |
| CN103837461B (zh) | 一种灰度摄像头及具有高效率照明的细胞综合分析装置 | |
| CN114387596A (zh) | 细胞病理涂片自动判读系统 | |
| CN111656247A (zh) | 一种细胞图像处理系统、方法、自动读片装置与存储介质 | |
| CN112924452A (zh) | 一种血液检查辅助系统 | |
| CN113139485A (zh) | 一种基于深度学习的骨髓细胞分类识别方法、装置及系统 | |
| CN115629072A (zh) | 一种骨髓涂片图像分析诊断方法及病理切片扫描仪装置 | |
| CN112992336A (zh) | 一种病理智能诊断系统 | |
| US20200074628A1 (en) | Image processing apparatus, imaging system, image processing method and computer readable recoding medium | |
| Samuel et al. | Design to automate the detection and counting of Tuberculosis (TB) bacilli | |
| CN116757998A (zh) | 基于ai的ctc细胞和ctc样细胞的筛查方法及装置 | |
| CN111369553A (zh) | 一种样本玻片扫描和图像处理方法及数字显微镜系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |