利用YOLOv12n和BoostTrack++通过密度自适应轨迹拼接技术提升精子运动能力分析中的身份稳定性

《Scientific Reports》：Enhancing identity stability in sperm motility analysis via density-adaptive tracklet stitching with YOLOv12n and BoostTrack++

　　

摘要

准确可靠的精子运动能力分析对于评估男性生育能力以及提升辅助生殖技术的治疗效果至关重要。在本研究中，我们提出了一种自动化的精子运动能力分析框架，该框架整合了YOLOv12n目标检测器、BoostTrack++多目标跟踪器以及一种名为密度自适应轨迹拼接（DATS）的跟踪后优化模块。该框架在Hi-LabSpermTracking数据集上进行了测试，通过三种相互补充的实验场景来评估帧级检测性能、时间维度上的跟踪一致性以及不同个体间的泛化能力。场景一通过对比六种现有的检测模型，确定最适合用于显微镜下精子图像检测的模型。场景二则在不同的训练和测试时间条件下评估多种跟踪算法，而场景三则是利用从未见过的人体的视频来测试最终框架的性能。实验结果表明，该框架在包括HOTA、MOTA和IDF1在内的多项评估指标上均表现出优异的检测和跟踪性能。此外，DATS模块还能根据局部精子密度自适应地重新连接破碎的轨迹片段，从而在不改变原有跟踪架构的前提下提升轨迹的连贯性。通过与基于CNN、基于Transformer以及端到端跟踪方法的全面比较，结合统计分析、消融实验以及定性评估，进一步证明了该框架在复杂的显微镜精子跟踪任务中的稳健性。总体而言，该框架为利用常规明场显微镜视频进行基于轨迹的自动化精子运动能力分析提供了一种有效且实用的解决方案。