VISEM-Tracking, a human spermatozoa tracking dataset

要約

【タイトル】VISEM-Tracking、ヒト精子追跡データセット

【要約】
– 精子の運動能力を評価するには、高速で動く精子を観察することが必要であり、正確な結果を得るためには広範なトレーニングが必要。
– そのため、コンピュータ支援精子解析（CASA）が増加しているが、監視付き機械学習アプローチのトレーニングに必要なデータが不足している。
– この問題に対処するために、VISEM-Trackingというデータセットを提供する。このデータセットには、手動で注釈付けされた境界ボックス座標と、専門家によって分析された精子の特性を含む、20個の30秒のビデオが含まれる。
– 注釈付きのデータに加えて、自己監視学習や無監視学習などの方法でデータの簡単なアクセスと分析のための未ラベルのビデオクリップが提供される。
– この論文の一環として、VISEM-Tracking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（DL）モデルを使用したベースライン精子検出のパフォーマンスを示す。
– 結果として、このデータセットは複雑なDLモデルのトレーニングに使用でき、精子の分析における正確さと信頼性を向上させるために役立つことが示される。

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 (comprising 29,196 frames) 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 (DL) model trained on the VISEM-Tracking dataset. As a result, we show that the dataset can be used to train complex DL models to analyze spermatozoa.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI