基于深度学习的精子头形态自动检测应用评估

目的 设计一套基于深度学习的自动化检测流程,评估该流程在形态检测的效率、准确性、可靠性。方法 使用预训练YOLO目标检测模型和VGG16分类模型分析1 000例样本的各14张图片,每例样本至少分析200条精子,人工镜检等量样本,对比两方法效率、准确性、相关性。结果 使用预训练的分类模型对人工分类但未训练的精子头进行形态检测,预测准确性达到95.5%,临床每例样本检测时间仅用10 s,准确性与效率高于人工镜检,两种检测方法的正常形态精子百分率呈显著正相关(r=0.84,P<0.01)。结论 本研究设计的检测流程能极大程度地提高工作效率,可靠性、准确性超过人工镜检。

非梗阻性无精子症与弱精子症患者精浆中miR-141-5p表达以及精液质量参数差异分析

目的探究非梗阻性无精子症、弱精子症患者精浆中的miR-141-5p表达差异性。方法选取2021年2月—2023年6月苏州大学附属第一医院收治的86例非梗阻性无精症患者为非梗阻性无精子症组、94例弱精子症患者为弱精子症组以及同期选取100名健康人为对照组。对比3组的精浆miR-141-5p表达差异性。结果对比3组的精浆miR-141-5p表达水平(3.46±1.42)、(3.39±1.57)、(2.75±0.93),差异有统计学意义(F=3.560,P<0.05);而非梗阻性无精子症组与弱精子症组miR-141-5p对比,差异无统计学意义(P>0.05)。3组精液量对比,差异无统计学意义(P>0.05);弱精子症组在精子总数、精子浓度、精子前向运动率均低于对照组,差异有统计学意义(P均<0.05)。结论非梗阻性无精子症、弱精子症患者的精浆miR-141-5p水平的表达低于正常健康男性水平,但精液量差异较小。