Spermiogram görüntülerinden hareket belirleme yöntemleri ile aktif sperm sayısının tahmini

Yıl 2019, Cilt: 34 Sayı: 3, 1273 - 1280, 29.05.2019

Abdülkadir Gümüşçü , Mehmet Emin Tenekeci

https://doi.org/10.17341/gazimmfd.460524

Öz

Günümüzde kısırlık ciddi bir sağlık problemi olarak karşımıza çıkmaktadır. Erkeklerde kısırlığa sebep olan parametreler sperm morfolojisinin düzensizliği, sperm hareketliliğinin ve sperm yoğunluğunun yetersizliği şeklinde sıralanmaktadır. Bu sebeple sperm hareketliliği, yoğunluğu ve morfolojisi semen analizinde incelenmekte olup, bu analizler laboratuvarda uzmanlar tarafından yapılmaktadır. Laboratuvar ortamında yapılan gözleme dayalı analiz, hataya açık ve subjektif bir uygulamadır. Bu çalışmada semen analizinde uzmanların etkisini en aza indirmek için bilgisayar destekli sperm sayısı tahmini yöntemi önerilmektedir. Bu çalışmada özellikle sperm hareketliliğine yoğunlaşılmış olup, hareket belirleme yöntemleri kullanılarak semendeki hareketli sperm sayısının tahmini yapılmaktadır. Önerilen yöntemin testleri, Isfahan Doğurganlık ve Kısırlık merkezi (IFIC) tarafından hazırlanan veri seti ile gerçekleştirilmiştir. Elde edilen deneysel sonuçlar literatürde daha önceden önerilen yöntemler ile karşılaştırılmış olup önerilen yöntemin başarılı sonuçlar verdiği görülmektedir.

Anahtar Kelimeler

Semen analizi, ön plan belirleme; sınıflandırma; sperm bölütleme.

Kaynakça

• M. R. Maduroand D. J. Lamb, “Understanding New Genetics of Male Infertility,” J. Urol.,vol. 168, no. 5, pp. 2197–2205, 2002.
• R. Slama, F. Eustache, B. Ducot, TK. Jensen, N. Jørgensen, A. Horte, S. Irvine, J. Suominen, AG. Andersen, J. Auger, M. Vierula, J. Toppari, AN. Andersen, N. Keiding, NE. Skakkebaek, A. Spira, P.Jouannet,“Time to pregnancy and semen parameters: a cross-sectional study among fertile couples from four European cities.” Hum Reprod., vol. 17 no.2 pp. 503-15, 2002.
• JP. Bonde, E. Ernst, TK. Jensen, NH. Hjollund, H. Kolstad, TB. Henriksen, T. Scheike, A. Giwercman, J. Olsen, NE. Skakkebaek,“Relation between semen quality and fertility: a population-based study of 430 first-pregnancy planners.” Lancet., vol. 352 no.9135 pp.1172-7, 1998.
• Ş. Başarslan, S. İçer, O. Ekmekçioğlu “Image Processing Assisted Sperm Analysis” Medical Technologies National Congress (TIPTEKNO), 2017, DOI: 10.1109/TIPTEKNO.2017.8238039.
• World Health Organization, WHO laboratory manual forth examination of human semen, Fifth Edition, 2010.
• C.Leung, L. Zhe, N. Esfandiari, R.F.Casper, and Y. Sun, ”Detection and, tracking of low contrast human sperm tail,” Automation Science and Engineering (CASE), 2010 IEEE Conference on , vol., no., pp.263,268, 21-24 Aug. 2010.
• M.R. Ravanfar, and M.H. Moradi,”Low contrast sperm detection and tracking by Watershed algorithm and Particle filter,” Biomedical Engineering (ICBME), 2011 18th Iranian Conference of , vol., no., pp.260,263, 14-16 Dec. 2011.
• Q. Li, X. Chen, H. Zhang, L. Yin, S. Chen, T. Wang, S. Lin, X. Liu, X. Zhang, and R. Zhang, “Automatic human spermatozoa detection in microscopic video streams based on OpenCV,” 5th International Conference on Biomedical Engineering and Informatics (BMEI), pp. 224-227, 2012.
• VS. Abbiramy, V. Shanthi, C. Allidurai,“ Spermatozoa Detection, Counting and Tracking in Video Streams to Detect Asthenozoospermia” 2010 International Conference on Signal and Image Processing (ICSIP), 2010, DOI:10.1109/ICSIP.2010.5697481.
• A. Nurhadiyatna, A. L. Latifah, D. Fryantoni, T. Wirahman, R. Wijayanti, and F. H. Muttaqien, “Comparison and implementation of motion detection methods for sperm detection and tracking”, International Symposium on Micro-Nano Mechatronics and Human Science (MHS), pp. 1-5, 2014.
• T. Bouwmans, “Traditional and recent approaches in background modeling for foreground detection: An Overview”, Computer Science Review, Vol. 11-12, pp. 31–66, 2014.
• W. Yi, K. Park, and J. Paick, “Parameterized characterization of elliptic sperm heads using Fourier representation and wavelet transform,” in Proc. 20th Annual IEEE Int. Conf. Engineering in Medicine and Biology Society, vol. 2, pp. 974-977, Hong Kong, 29 Oct-1 Nov. 1998.
• W. Yi, K. Park, and J. Paick, “Parameterized characterization of elliptic sperm heads using Fourier representation and wavelet transform,” in Proc. 20th Annual IEEE Int. Conf. Engineering in Medicine and Biology Society, vol. 2, pp. 974-977, Hong Kong, 29 Oct-1 Nov. 1998.
• J. C. Liu, W. L. Hwang, M. S. Chen, J. W. Tsai, and C.H. Lin, “Wavelet based active contour model for object tracking,” in Proc. IEEE Int. Conf. on Image Processing, vol. 3, pp. 206-209, Thessaloniki, Greece, 2001.
• C. Cui, “Per-pixel background estimation in video microscopy using frame grouping and wavelet based image fusion,” in Proc. of 17th European IEEE Conf. on Signal Processing, pp. 1874-1877, Glasgow, Scotland, 24-28 Aug. 2009.
• http://www.biosigdata.com
• Z. Zivkovic, "Improved adaptive gaussian mixture model for background subtraction", ICPR, vol. 2, pp. 28-31, 2004.
• E. Yücesoy, V. Nabiyev, " Konuşmacı Yaş ve Cinsiyetinin GKM Süpervektörlerine Dayalı bir DVM Sınıflandırıcısı ile Belirlenmesi ", Journal of the Faculty of Engineering and Architecture of Gazi University, vol. 31, no. 3, pp. 501-509, 2016.
• C. Stauffer, E. Grimson, "Learning Patterns of Activity Using Real-Time Tracking", IEEE Trans. on PAMI vol. 22, no. 8, pp. 747–757, 2000.
• P. Maragos, "A Representation Theory for Morphological Image and Signal Processing", IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 11, no. 7, July 1989.
• Ö. Kasım, A.E. Kuzucuoğlu, " Lökosit Hücrelerinin Preparat Görüntüsünden Tespiti ve Sınıflandırılması", Journal of the Faculty of Engineering and Architecture of Gazi University, vol. 30, no. 1, pp. 95-109, 2015.