一种精子运动分析系统的制作方法

本技术涉及精子运动分析，尤其涉及一种精子运动分析系统。

背景技术：

1、精子运动学分析，作为一种主要的精子属性，是判断男性生育能力、相关生殖疾病的重要指标。目前除了手动化验分析方式以外，casa系统(computer-aided semenanalysis system，计算机辅助精子分析系统)也已经慢慢普及开来。随着时间的推移和发展，该项技术展现出了其优于手动观察一些特质，如执行速度更快、响应更准确。但是以往casa系统，普遍基于传统的分析图像分割方法。随着深度学习的广泛应用与发展，如何利用更加精准的深度计算机视觉技术，辅助精子运动学分析，进一步提升精子运动学分析的效率和效果，成为了一项关键技术点。

2、基于传统机器学习精子运动学分析，如svm(support vectormachine，支持向量机)等，由于收到模型本身的局限性，其精子识别和跟踪性能都相对较差。相比之下，基于深度学习的精子运动学分析方法却并不普遍，大部分会分成两个阶段，目标识别和目标跟踪。此外，大部分的深度学习的精子运动学分析方法研究，主要集中在单精子跟踪与分析。目前的方法主要存在两类问题：

3、(1)在遇到精子碰撞或者相遇时，跟踪效果不够理想，会造成分析系统的误判。为了缓解这个问题，一些模型会采用卡尔曼或者相关滤波器，用以模拟运动的惯性，以达到较好的跟踪效果。但是这类方法对于复杂的精子运动，呈现出计算复杂且效果一般等问题，很难达到较好的效果；

4、(2)以往的深度学习精子运动学分析方法，往往只将时间信息编码应用于深度跟踪算法，以更好捕捉帧与帧之间的关联，而其实在目标识别阶段，不同时刻之间精子状态的信息也应该被纳入考虑，以提升目标识别的准确度，进一步优化后期目标跟踪的精准度。

5、因此，如何提升对精子运动学分析的效果和性能，成为需要解决的问题。

6、在背景技术中公开的上述信息仅用于加强对本技术的背景的理解，因此其可能包含没有形成为本领域普通技术人员所知晓的现有技术的信息。

技术实现思路

1、本技术提供一种精子运动分析系统，用以解决现有技术存在的问题。

2、本技术提供一种精子运动分析系统，包括：

3、精子采集模块，用于采集精子运动视频，得到初始视频；

4、精子视频预处理模块，用于对所述初始视频进行预处理，得到预处理视频；

5、精子识别模块，用于将所述预处理视频输入至精子目标识别神经网络，对所述预处理视频中的精子进行识别；

6、精子跟踪模块，用于通过精子多目标跟踪神经网络对识别到的多个精子进行跟踪，得到精子运动轨迹，并对所述精子运动轨迹进行修复，得到修复后的精子运动轨迹；

7、分析模块，用于根据所述修复后的精子运动轨迹，分析精子的运动学指标，得到分析数据。

8、在一些实施例中，所述精子目标识别神经网络中设有用于加强对精子识别效果的时序信息加强模块。

9、在一些实施例中，所述时序信息加强模块包括：

10、预设时间模块，用于确定所述预处理视频在预设时间段内的连续帧对当前时刻下精子识别的影响；

11、信息加强模块，根据连续帧对精子识别的影响，通过加权求和的方式进行信息加强。

12、在一些实施例中，所述精子跟踪模块包括：精子多目标跟踪神经网络和轨迹后处理模块；

13、其中，所述精子多目标跟踪神经网络用于对识别到的多个精子进行跟踪，获取精子运动轨迹；

14、所述轨迹后处理模块用于对精子运动轨迹进行修复，得到修复后的精子运动轨迹。

15、在一些实施例中，所述精子多目标跟踪神经网络包括：

16、初始化模块，通过在所述预处理视频的第一帧中检测到的精子对跟踪网络进行初始化；

17、第一跟踪模块，从所述预处理视频的第一帧开始对精子进行持续跟踪，直至被跟踪的精子均在下一帧中被跟踪；

18、匹配模块，用于将当前帧中被跟踪的精子与当前帧中被检测到的精子进行匹配；

19、判断模块，根据当前帧中被跟踪的精子和当前帧中与被跟踪的精子距离最近的被检测到的精子之间的距离，判断两者是否为同一个精子；

20、若两者之间的距离大于预设距离，则被认定为不属于同一个精子；

21、若两者之间的距离小于或等于预设距离，则被认定为属于同一精子；

22、第一处理模块，当当前帧中被跟踪的精子和与被跟踪的精子距离最近的被检测到的精子不属于同一个精子时，对当前帧中与被跟踪的精子距离最近的被检测到的精子进行跟踪，以使得当前帧中每个被检测到的精子均处于被跟踪状态；

23、第二处理模块，用于持续执行上述步骤，直至预处理视频的最后一帧中的精子均被跟踪。

24、在一些实施例中，所述轨迹后处理模块包括：

25、选取模块，随机选取两条精子运动轨迹；

26、第二判断模块，根据两条精子运动轨迹的长度以及两条精子运动轨迹每一帧对应的精子之间的平均距离，判断两条精子运动轨迹是否进行合并；

27、若两条精子运动轨迹的长度以及两条精子运动轨迹每一帧对应的精子之间的平均距离均满足条件，则将两条精子运动轨迹合并；

28、反之，则不合并。

29、在一些实施例中，所述精子视频预处理模块包括：去噪处理模块和轨迹标注模块；

30、其中，所述去噪处理模块采用滤波对所述初始视频中的每一帧图像进行去噪处理，得到去噪后的图像；

31、所述轨迹标注模块对所述去噪后的图像中的精子活动轨迹进行标注，生成轨迹坐标。

32、在一些实施例中，所述精子目标识别神经网络采用retinanet作为基础对象检测器，retinanet使用focal loss作为损失函数。

33、在一些实施例中，所述精子目标识别神经网络包括：主干网络、分类器子网和框回归子网；

34、所述主干网络为resnet50，通过特征金字塔网络改进特征萃取；

35、所述分类器子网用于检测对象可能存在的空间位置；

36、所述框回归子网用于执行从锚框到真实框的回归。

37、在一些实施例中，所述精子采集模块包括精子涂片制作模块和精子显微视频制作模块。

38、本技术提供的精子运动分析系统，包括：精子采集模块，用于采集精子运动视频，得到初始视频；精子视频预处理模块，用于对所述初始视频进行预处理，得到预处理视频；精子识别模块，用于将所述预处理视频输入至精子目标识别神经网络，对所述预处理视频中的精子进行识别；精子跟踪模块，用于通过精子多目标跟踪神经网络对识别到的多个精子进行跟踪，得到精子运动轨迹，并对所述精子运动轨迹进行修复，得到修复后的精子运动轨迹；分析模块，用于根据所述修复后的精子运动轨迹，分析精子的运动学指标，得到分析数据。本技术通过精子多目标跟踪神经网络对识别到的多个精子进行跟踪，提升了对精子运动学分析的效果和性能。