Sperm detection & tracking deep learning algorithm
El projecte “Sperm Detection & Tracking Deep Learning Algorithm” sorgeix de la necessitat d’una empresa de fertilitat, Overture Life, d’automatitzar la tècnica d’injecció intracitoplasmàtica d’espermatozoides (ICSI), una forma especialitzada de fecundació in vitro (IVF) que s’utilitza principalm...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2022 |
| País: | España |
| Institución: | Universitat Politècnica de Catalunya (UPC) |
| Repositorio: | UPCommons. Portal del coneixement obert de la UPC |
| Idioma: | inglés |
| OAI Identifier: | oai:upcommons.upc.edu:2117/368130 |
| Acceso en línea: | https://hdl.handle.net/2117/368130 |
| Access Level: | acceso embargado |
| Palabra clave: | Deep learning (Machine learning) Computer vision Semen Deep Learning Computer Vision Sperm Tracking Detection Esperma Aprenentatge profund Visió per ordinador Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial |
| Sumario: | El projecte “Sperm Detection & Tracking Deep Learning Algorithm” sorgeix de la necessitat d’una empresa de fertilitat, Overture Life, d’automatitzar la tècnica d’injecció intracitoplasmàtica d’espermatozoides (ICSI), una forma especialitzada de fecundació in vitro (IVF) que s’utilitza principalment per al tractament de casos greus d’infertilitat masculina. La ICSI consisteix en la injecció d’un sol espermatozoide directament en un òvul madur. Les imatges que es faran servir per executar els algorismes de visió per ordinador (CV) s’extreuen de microscopis que tenen un funcionament similar al d’un microscopi Hoffman. I així, tindrem imatges grises amb suficient contrast i zoom per detectar la forma i la textura dels oòcits i els espermatozoides. La recollida de dades serà generada per mi en un laboratori del Parc Científic de Barcelona, amb esperma humà. Els oòcits que s’utilitzaran per a la injecció seran bàsicament de 2 espècies diferents: ratolins i hàmsters. Això és degut a que l’extracció d’esperma humà és la més barata amb diferència, i que els oòcits humans no es poden utilitzar per a la investigació. La tecnologia utilitzada per a l’algorisme de deteccióo serà la versió de Yolov5 d’Ultralytics i el seguiment el realitzarà DeepSort, que té la mateixa base de funcionament que el predictor de Kalman. |
|---|