《Smart Medicine》：An Artificial Intelligence-Based Computer Vision Model for Human Sperm Concentration, Motility, and Kinematics Analysis
編輯推薦：
本文介紹了一種基于人工智能（AI）的計算機(jī)視覺工具，用于精子濃度、運動性和運動學(xué)（VSL、VCL、VAP、LIN、ALHmax、BCF）的高分辨率定量分析。研究通過前瞻性試驗，將AI模型與手動追蹤（Fiji軟件）和商用計算機(jī)輔助精液分析（CASA）系統(tǒng)（Hamilton Thorne IVOS II）進(jìn)行對比。結(jié)果顯示，AI模型與手動追蹤結(jié)果呈強(qiáng)線性相關(guān)（R2= 0.93–0.98），在校正后對ALHmax和BCF的評估顯著改善（RMSE降低30%–50%），且在重復(fù)樣本和不同成像條件下表現(xiàn)出更高的重復(fù)性和穩(wěn)健性（偏差低于±2%），為臨床精液分析提供了可靠、可重復(fù)的替代方案。
引言
全球約15%的夫婦受不孕癥困擾，其中男性因素約占半數(shù)。精子運動性作為評估男性生育能力的關(guān)鍵參數(shù)，不僅是預(yù)測精子功能和受精成功的重要指標(biāo)，也直接影響治療策略的選擇、胚胎質(zhì)量及臨床結(jié)局。目前，臨床精液分析主要依賴精子濃度和運動性的評估。傳統(tǒng)方法包括手動血細(xì)胞計數(shù)器計數(shù)（WHO6推薦的金標(biāo)準(zhǔn)）和商用計算機(jī)輔助精液分析（CASA）系統(tǒng)。然而，手動計數(shù)勞動強(qiáng)度大、易引入人為誤差；而CASA系統(tǒng)雖提高了通量，但其準(zhǔn)確性受精子聚集、背景碎片、成像偽影等因素影響，尤其在精子濃度超過30×106/mL時跟蹤誤差顯著。此外，多數(shù)CASA平臺僅提供群體水平運動學(xué)數(shù)據(jù)，限制了其在單細(xì)胞操作（如卵胞漿內(nèi)單精子注射，ICSI）中的應(yīng)用。近年來，人工智能（AI）和計算機(jī)視覺技術(shù)為高通量單細(xì)胞跟蹤和分析提供了新思路，但現(xiàn)有AI模型多依賴特定訓(xùn)練數(shù)據(jù)、成像條件，且缺乏與基準(zhǔn)方法的嚴(yán)格驗證，難以常規(guī)整合入男科學(xué)實驗室。
材料與方法
研究納入26份人類精液樣本（4份捐贈者樣本，22份患者樣本），捐贈者樣本用于建立精子濃度校準(zhǔn)曲線，患者樣本用于評估精子運動性和模型性能。所有樣本在收集后于37°C液化30分鐘進(jìn)行分析。濃度分析通過將AI模型在前10幀視頻中跟蹤的精子數(shù)量與手動血細(xì)胞計數(shù)器計數(shù)結(jié)果進(jìn)行線性校準(zhǔn)實現(xiàn)。運動性分析采用三種方法對比：商用IVOS II CASA系統(tǒng)、AI基于金字塔Lucas-Kanade光流算法的跟蹤模型、以及作為金標(biāo)準(zhǔn)的手動跟蹤（Fiji軟件）。跟蹤數(shù)據(jù)通過定制MATLAB腳本計算關(guān)鍵運動學(xué)參數(shù)：直線速度（VSL）、曲線速度（VCL）、平均路徑速度（VAP）、線性度（LIN）、最大側(cè)擺幅度（ALHmax）和鞭打頻率（BCF）。統(tǒng)計分
