专栏首页量子位AI啊,我这里有些羞羞的东西,你要不要看一眼?

AI啊,我这里有些羞羞的东西,你要不要看一眼?

自从AI火了之后,它的各种神奇应用就层出不穷。

现在,有人已经把AI用在男科♂诊断上,研究“小蝌蚪”。

没错,这是个正经研究,出自挪威奥斯陆城市大学,甚至还发了一篇Nature Science Reports。

解决的核心问题是,如何让AI来观察“小蝌蚪”,进而判断男性的生育能力。

研究者们对着一群“小蝌蚪”的视频研究了很久之后发现:

你们熟悉的卷积神经网络(CNN)简直是自动观察小蝌蚪的神器。

相比传统机器学习,CNN可以更有效的对男性小蝌蚪的运动能力进行分析,错误率低至9%左右,也就是准确率已经超过九成了。

因此,将来如果有准备当爸爸的盆友,去医院做检查的时候,盯着你的“儿子”看的,可能就不是医生,而是AI了。

小蝌蚪动不动,影响当爸爸的能力

在这项研究中,AI主要看的指标是小蝌蚪的运动状态。

先来科普一下,一个正常育龄男性能不能当爸爸,和他生殖系统的很多因素有关,单就基因的传递者小蝌蚪来说,它们的总数、形态、浓度等等因素都会影响男性的生育能力。

小蝌蚪的运动状态,也是其中一个重要指标。

比如,有高速运动(progressive)的小蝌蚪,跑起来飞快,可以直线跑,也可以绕大圆圈跑,非常健壮;

还有低速运动(non-progressive)的小蝌蚪,跑的不快,或者在原地兜圈子,不太健壮;

也有一动不动(immotile)的小蝌蚪,太不活跃,很难找到另一半来合成受精卵。

而一个小蝌蚪想把自己的基因传承下去,需要至少25微米/秒的运动能力,如果一位男士的小蝌蚪里能跑到这个速度的不到32%,那他可能就没那么容易当爸爸了。

因此,如果要诊断一位男士的生育能力,那就要去医院里检测他的精液样本。

而这项研究,就是用传统机器学习和深度学习的方法区分高速运动、低速运动和一动不动的小蝌蚪。

来自85个人的数据

那么,研究的第一步,要找个小蝌蚪数据集,于是……

他们找到了一个名叫VISEM的数据集。

这个数据集的作者找了85个人,这些人去实验室附近的小黑屋或者自己家里收集了一些精液样本,然后研究人员把这些样本放到显微镜下,录2~7分钟的视频,视频的帧率是每秒50帧。

除了视频,数据集里还有这85个人的年龄、体重指数(BMI)和禁欲天数三个指标。

先用机器学习算法

既然要比较传统机器学习算法和CNN哪个辨别小蝌蚪运动状态的能力强,那就先上传统机器学习。

第一步,要提取特征。

这里,研究者们用到了一个名叫LIRE(Lucene Image Retrieval)开源库,然后用超过40个不同的算法测试了超过30个不同的特征。

最终选定了Tamura特征,这组特征里包括小蝌蚪的粗细程度、对照、方向性、线条形状、规则度和粗糙度,并且分别用Tamura特征、数据集里85个人的数据和两者兼顾做了三组辨别三种不同活力小蝌蚪的实验。

综合三组实验的结果,有六个算法表现是最好的,他们是:简单线性回归,随机森林,高斯过程,序列最小优化(SMOreg),弹性网和随机树,识别的错误率大概在11%左右。

不过,用这些机器学习算法有一点麻烦:每次只能辨别出一个值,所以要针对三种活力不同的精子各运行一次,比较费时间。

再用深度学习方法

试完了传统机器学习方法,再来试试深度学习,用CNN来辨别。

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

然后在用CNN来在这些处理后的数据上,再做一下那三组实验,分辨三种不同活力小蝌蚪的数量,这下要方便地多,可以一下子辨别出三个值,不用跑三遍算法了。

处理过程

最后运行出来的结果,错误率大约在9%左右。

相比前面的11%,错误率明显降低,效果要好得多了。

所以,用深度学习辨别精子活力,不仅比传统机器学习的方法要好,而且可以只跑一遍算法,更快速便捷。

或许未来,深度学习可以应用到医疗实践中,成为诊断男性不育的利器。

传送门

论文 Machine Learning-Based Analysis of Sperm Videos and Participant Data for Male Fertility Prediction 作者:Steven A. Hicks, Jorunn M. Andersen, Oliwia Witczak, Vajira Thambawita, Påll Halvorsen, Hugo L. Hammer, Trine B. Haugen, Michael A. Riegler https://arxiv.org/abs/1910.13327

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

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

本文分享自微信公众号 - 量子位(QbitAI),作者:关注前沿科技

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-12-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 小扎夫妇收购搜索引擎 Meta,要用 AI 来帮科研人员读论文

    马克·扎克伯格及其妻子普里西拉·陈的450亿美元慈善组织“陈-扎克伯格行动”(CZI)进行了他们的第一笔收购:人工智能驱动的科研搜索引擎Meta。收购之后,CZ...

    量子位
  • 程序员的英语学习指南

    对程序员来说,“渣英语”可是限制自己更上一层楼的重要阻碍。不仅阅读最新英文研究与教程困难,去国际顶会与别人开口交流也成了问题。

    量子位
  • 新冠肺炎新研究:脸朝下趴着,可改善重度新冠病毒患者肺功能 | 中大&金银潭医院

    最近,一项由东南大学附属中大医院、金银潭医院等国内外众多机构共同研究表明:严重的新冠肺炎患者,脸部朝下趴着(俯卧位),可以改善他们的肺功能。

    量子位
  • Chrome Extension 通信机制

    那么通信机制为什么要存在?那是因为有时候我们的逻辑可能会写在background中,假设你有一个popup的界面,在background中的处理逻辑,可以将处理...

    icepy
  • 让ZeGraph在X方向上填满

    默认的效果是 ? 希望能够在x方向上填满,两边不留。尝试出来的方法是:用zg1.GraphPane.XAxis.Scale.Max 和Min来设置,而且必须在画...

    用户1075292
  • 不惧面试:HTTP协议(1) - 基础扫盲

    Jackson0714
  • VulnHub靶机学习——Eric

    声明:Tide安全团队原创文章,转载请声明出处!文中所涉及的技术、思路和工具仅供以安全为目的的学习交流使用,任何人不得将其用于非法用途以及盈利等目的,否则后果自...

    7089bAt@PowerLi
  • 不惧面试:HTTP协议(1) - 基础扫盲

    Jackson0714
  • 四个维度,拆解「软件测试中的80 / 20原则」

    优秀的测试人员会根据这个原则,非常快速的找出较多的缺陷(这个原则可以解释一个你的苦恼:为何你苦苦测了几天,都没发现有啥缺陷;你老大慢悠悠的走了过来,随便点点,新...

    IDO老徐
  • Akka(16): 持久化模式:PersistentFSM-可以自动修复的状态机器

      前面我们讨论过FSM,一种专门为维护内部状态而设计的Actor,它的特点是一套特殊的DSL能很方便地进行状态转换。FSM的状态转换模式特别适合对应现实中的业...

    用户1150956

扫码关注云+社区

领取腾讯云代金券

玩转腾讯云 有奖征文活动