یک شبکه مولد متخاصم کپسولی جدید برای طبقه بندی نامتوازن تصاویر اسپرم انسان

ناباروری مردان به عنوان یک عامل موثر، میتواند زندگی زوجهای نابارور را تحت تاثیر قرار دهد. مورفولوژی سر اسپرم یک مرحله مهم در ارزیابی و بررسی مایع منی در ناباروری مردان است. کمبود نمونه های مربوط به ناهنجاریهای سر اسپرم در مقایسه با نمونه های سر اسپرم طبیعی، میتواند طبقه بندی تصاویر سر اسپرم را به یک مسئله طبقه بندی نامتوازن تبدیل کند. با عدم توانایی الگوریتم های طبقه بندی رایج، شبکه های عصبی کپسول با درنظر گرفتن ارتباطات فضایی ویژگی ها، در مقایسه با سایر شبکه های عمیق بستر مناسبی را برای طراحی مدل های طبقه بندی نامتوازن فراهم میکنند. هم چنین شبکه های مولد متخاصم با تولید نمونه های مصنوعی مناسب کمک شایانی به بهبود طبقه بندی نامتوازن تصاویر می کنند. به همین منظور در این مقاله یک معماری جدید بر اساس شبکه های کپسولی و شبکه های مولد متخاصم برای ارزیابی طبقه بندی نامتوازن تصاویر سر اسپرم انسان معرفی میگردد. بررسی و مقایسه مدل پیشنهادی با سایر مدلهای یادگیری عمیق در طبقه بندی متوازن و نامتوازن تصاویر سر اسپرم انسان، نشان از برتری مدل پیشنهادی داشت. در بررسی روشهای عمومی افزایش داده با مدل پیشنهادی برای افزایش داده این نتیجه حاصل شد که روش های عمومی از مقاومت کمتری در کاهش تعداد داده ها نسبت به مدل پیشنهادی برخوردار است. این مدل، طبقه بندی متوازن تصاویر سر اسپرم را با دقت ۹۸/۱ درصد انجام داد. همچنین مدل پیشنهادی تا عدم توازن دسته اقلیت به اکثریت ۱:۲۵، حساسیت بالای ۸۰ درصد را حفظ کرد که نشان از عملکرد مناسب آن در طبقه بندی نامتوازن تصاویر اسپرم دارد.

کلیدواژه ها:

طبقه بندی نامتوازن ، اسپرم انسان ، ناباروری ، شبکه مولد متخاصم ، شبکه عصبی کپسول ، یادگیری عمیق