AI啊，我這里有些羞羞的東西，你要不要看一眼？

郭一璞 2019-12-07 14:45:38 來(lái)源：量子位

郭一璞 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI

自從AI火了之后，它的各種神奇應(yīng)用就層出不窮。

現(xiàn)在，有人已經(jīng)把AI用在男科♂診斷上，研究“小蝌蚪”。

沒(méi)錯(cuò)，這是個(gè)正經(jīng)研究，出自挪威奧斯陸城市大學(xué)，甚至還發(fā)了一篇Nature Science Reports。

解決的核心問(wèn)題是，如何讓AI來(lái)觀(guān)察“小蝌蚪”，進(jìn)而判斷男性的生育能力。

研究者們對(duì)著一群“小蝌蚪”的視頻研究了很久之后發(fā)現(xiàn)：

你們熟悉的卷積神經(jīng)網(wǎng)絡(luò)（CNN）簡(jiǎn)直是自動(dòng)觀(guān)察小蝌蚪的神器。

相比傳統(tǒng)機(jī)器學(xué)習(xí)，CNN可以更有效的對(duì)男性小蝌蚪的運(yùn)動(dòng)能力進(jìn)行分析，錯(cuò)誤率低至9%左右，也就是準(zhǔn)確率已經(jīng)超過(guò)九成了。

因此，將來(lái)如果有準(zhǔn)備當(dāng)爸爸的盆友，去醫(yī)院做檢查的時(shí)候，盯著你的“兒子”看的，可能就不是醫(yī)生，而是AI了。

小蝌蚪動(dòng)不動(dòng)，影響當(dāng)爸爸的能力

在這項(xiàng)研究中，AI主要看的指標(biāo)是小蝌蚪的運(yùn)動(dòng)狀態(tài)。

先來(lái)科普一下，一個(gè)正常育齡男性能不能當(dāng)爸爸，和他生殖系統(tǒng)的很多因素有關(guān)，單就基因的傳遞者小蝌蚪來(lái)說(shuō)，它們的總數(shù)、形態(tài)、濃度等等因素都會(huì)影響男性的生育能力。

小蝌蚪的運(yùn)動(dòng)狀態(tài)，也是其中一個(gè)重要指標(biāo)。

比如，有高速運(yùn)動(dòng)（progressive）的小蝌蚪，跑起來(lái)飛快，可以直線(xiàn)跑，也可以繞大圓圈跑，非常健壯；

還有低速運(yùn)動(dòng)（non-progressive）的小蝌蚪，跑的不快，或者在原地兜圈子，不太健壯；

也有一動(dòng)不動(dòng)（immotile）的小蝌蚪，太不活躍，很難找到另一半來(lái)合成受精卵。

而一個(gè)小蝌蚪想把自己的基因傳承下去，需要至少25微米/秒的運(yùn)動(dòng)能力，如果一位男士的小蝌蚪里能跑到這個(gè)速度的不到32%，那他可能就沒(méi)那么容易當(dāng)爸爸了。

因此，如果要診斷一位男士的生育能力，那就要去醫(yī)院里檢測(cè)他的精液樣本。

而這項(xiàng)研究，就是用傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的方法區(qū)分高速運(yùn)動(dòng)、低速運(yùn)動(dòng)和一動(dòng)不動(dòng)的小蝌蚪。

來(lái)自85個(gè)人的數(shù)據(jù)

那么，研究的第一步，要找個(gè)小蝌蚪數(shù)據(jù)集，于是……

他們找到了一個(gè)名叫VISEM的數(shù)據(jù)集。

這個(gè)數(shù)據(jù)集的作者找了85個(gè)人，這些人去實(shí)驗(yàn)室附近的小黑屋或者自己家里收集了一些精液樣本，然后研究人員把這些樣本放到顯微鏡下，錄2~7分鐘的視頻，視頻的幀率是每秒50幀。

除了視頻，數(shù)據(jù)集里還有這85個(gè)人的年齡、體重指數(shù)（BMI）和禁欲天數(shù)三個(gè)指標(biāo)。

先用機(jī)器學(xué)習(xí)算法

既然要比較傳統(tǒng)機(jī)器學(xué)習(xí)算法和CNN哪個(gè)辨別小蝌蚪運(yùn)動(dòng)狀態(tài)的能力強(qiáng)，那就先上傳統(tǒng)機(jī)器學(xué)習(xí)。

第一步，要提取特征。

這里，研究者們用到了一個(gè)名叫LIRE（Lucene Image Retrieval）開(kāi)源庫(kù)，然后用超過(guò)40個(gè)不同的算法測(cè)試了超過(guò)30個(gè)不同的特征。

最終選定了Tamura特征，這組特征里包括小蝌蚪的粗細(xì)程度、對(duì)照、方向性、線(xiàn)條形狀、規(guī)則度和粗糙度，并且分別用Tamura特征、數(shù)據(jù)集里85個(gè)人的數(shù)據(jù)和兩者兼顧做了三組辨別三種不同活力小蝌蚪的實(shí)驗(yàn)。

綜合三組實(shí)驗(yàn)的結(jié)果，有六個(gè)算法表現(xiàn)是最好的，他們是：簡(jiǎn)單線(xiàn)性回歸，隨機(jī)森林，高斯過(guò)程，序列最小優(yōu)化（SMOreg），彈性網(wǎng)和隨機(jī)樹(shù)，識(shí)別的錯(cuò)誤率大概在11%左右。

不過(guò)，用這些機(jī)器學(xué)習(xí)算法有一點(diǎn)麻煩：每次只能辨別出一個(gè)值，所以要針對(duì)三種活力不同的精子各運(yùn)行一次，比較費(fèi)時(shí)間。

再用深度學(xué)習(xí)方法

試完了傳統(tǒng)機(jī)器學(xué)習(xí)方法，再來(lái)試試深度學(xué)習(xí)，用CNN來(lái)辨別。

這里不能直接用原始數(shù)據(jù)，需要提前做一些處理，從視頻中提取原始幀，用光流生成幀序列的時(shí)間表示。

然后在用CNN來(lái)在這些處理后的數(shù)據(jù)上，再做一下那三組實(shí)驗(yàn)，分辨三種不同活力小蝌蚪的數(shù)量，這下要方便地多，可以一下子辨別出三個(gè)值，不用跑三遍算法了。

△ 處理過(guò)程

最后運(yùn)行出來(lái)的結(jié)果，錯(cuò)誤率大約在9%左右。

相比前面的11%，錯(cuò)誤率明顯降低，效果要好得多了。

所以，用深度學(xué)習(xí)辨別精子活力，不僅比傳統(tǒng)機(jī)器學(xué)習(xí)的方法要好，而且可以只跑一遍算法，更快速便捷。

或許未來(lái)，深度學(xué)習(xí)可以應(yīng)用到醫(yī)療實(shí)踐中，成為診斷男性不育的利器。

傳送門(mén)

論文
Machine Learning-Based Analysis of Sperm Videos and Participant Data for Male Fertility Prediction
作者：Steven A. Hicks, Jorunn M. Andersen, Oliwia Witczak, Vajira Thambawita, P?ll Halvorsen, Hugo L. Hammer, Trine B. Haugen, Michael A. Riegler
https://arxiv.org/abs/1910.13327

VISEM數(shù)據(jù)集
https://datasets.simula.no/visem/

參考鏈接
https://www.medicalnewstoday.com/articles/320160.php#what-is-sperm-motility
https://www.verywellfamily.com/sperm-motility-1960141
https://en.wikipedia.org/wiki/Semen_analysis

—?完?—