基于人工智能计算机视觉的精子浓度与运动学分析模型：为男性不育诊断提供精准定量新工具

《Smart Medicine》：An Artificial Intelligence-Based Computer Vision Model for Human Sperm Concentration, Motility, and Kinematics Analysis

本文介绍了一种基于人工智能（AI）的计算机视觉工具，用于精子浓度、运动性和运动学（VSL、VCL、VAP、LIN、ALHmax、BCF）的高分辨率定量分析。研究通过前瞻性试验，将AI模型与手动追踪（Fiji软件）和商用计算机辅助精液分析（CASA）系统（Hamilton Thorne IVOS II）进行对比。结果显示，AI模型与手动追踪结果呈强线性相关（R2= 0.93–0.98），在校正后对ALHmax和BCF的评估显著改善（RMSE降低30%–50%），且在重复样本和不同成像条件下表现出更高的重复性和稳健性（偏差低于±2%），为临床精液分析提供了可靠、可重复的替代方案。

　　

引言

全球约15%的夫妇受不孕症困扰，其中男性因素约占半数。精子运动性作为评估男性生育能力的关键参数，不仅是预测精子功能和受精成功的重要指标，也直接影响治疗策略的选择、胚胎质量及临床结局。目前，临床精液分析主要依赖精子浓度和运动性的评估。传统方法包括手动血细胞计数器计数（WHO6推荐的金标准）和商用计算机辅助精液分析（CASA）系统。然而，手动计数劳动强度大、易引入人为误差；而CASA系统虽提高了通量，但其准确性受精子聚集、背景碎片、成像伪影等因素影响，尤其在精子浓度超过30×10⁶/mL时跟踪误差显著。此外，多数CASA平台仅提供群体水平运动学数据，限制了其在单细胞操作（如卵胞浆内单精子注射，ICSI）中的应用。近年来，人工智能（AI）和计算机视觉技术为高通量单细胞跟踪和分析提供了新思路，但现有AI模型多依赖特定训练数据、成像条件，且缺乏与基准方法的严格验证，难以常规整合入男科学实验室。

材料与方法

研究纳入26份人类精液样本（4份捐赠者样本，22份患者样本），捐赠者样本用于建立精子浓度校准曲线，患者样本用于评估精子运动性和模型性能。所有样本在收集后于37°C液化30分钟进行分析。浓度分析通过将AI模型在前10帧视频中跟踪的精子数量与手动血细胞计数器计数结果进行线性校准实现。运动性分析采用三种方法对比：商用IVOS II CASA系统、AI基于金字塔Lucas-Kanade光流算法的跟踪模型、以及作为金标准的手动跟踪（Fiji软件）。跟踪数据通过定制MATLAB脚本计算关键运动学参数：直线速度（VSL）、曲线速度（VCL）、平均路径速度（VAP）、线性度（LIN）、最大侧摆幅度（ALH_max）和鞭打频率（BCF）。统计分