VISEM-Tracking: Human Spermatozoa Tracking Dataset

要約

精子の運動性を手動で評価するには顕微鏡観察が必要ですが、これは視野内で動きの速い精子のために困難です。
正しい結果を得るには、手作業による評価に広範なトレーニングが必要です。
したがって、コンピューター支援精子分析 (CASA) は、クリニックでますます使用されるようになりました。
それにもかかわらず、精子の運動性と運動学の評価における精度と信頼性を向上させるために、教師あり機械学習アプローチをトレーニングするには、より多くのデータが必要です。
これに関して、手動で注釈が付けられたバウンディングボックス座標と、ドメインの専門家によって分析された一連の精子特性を含む、30 秒間のウェット精子調製の 20 のビデオ録画を含む VISEM-Tracking と呼ばれるデータセットを提供します。
注釈付きデータに加えて、自己学習または教師なし学習などの方法を使用してデータに簡単にアクセスおよび分析できるように、ラベルのないビデオ クリップを提供します。
このホワイト ペーパーの一部として、VISEM 追跡データセットでトレーニングされた YOLOv5 ディープ ラーニング モデルを使用して、ベースラインの精子検出パフォーマンスを提示します。
その結果、このデータセットを使用して複雑なディープ ラーニング モデルをトレーニングし、精子を分析できることを示しました。
データセットは、https://zenodo.org/record/7293726 で公開されています。

要約(オリジナル)

A manual assessment of sperm motility requires microscopy observation, which is challenging due to the fast-moving spermatozoa in the field of view. To obtain correct results, manual evaluation requires extensive training. Therefore, computer-assisted sperm analysis (CASA) has become increasingly used in clinics. Despite this, more data is needed to train supervised machine learning approaches in order to improve accuracy and reliability in the assessment of sperm motility and kinematics. In this regard, we provide a dataset called VISEM-Tracking with 20 video recordings of 30 seconds of wet sperm preparations with manually annotated bounding-box coordinates and a set of sperm characteristics analyzed by experts in the domain. In addition to the annotated data, we provide unlabeled video clips for easy-to-use access and analysis of the data via methods such as self- or unsupervised learning. As part of this paper, we present baseline sperm detection performances using the YOLOv5 deep learning model trained on the VISEM-Tracking dataset. As a result, we show that the dataset can be used to train complex deep learning models to analyze spermatozoa. The dataset is publicly available at https://zenodo.org/record/7293726.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google