Spitz:一种基于 YOLO 的深度学习系统,用于法医遗传学分析中的精子自动检测
《International Journal of Legal Medicine》:Spitz: a YOLO-based deep learning system for automated spermatozoa detection in forensic genetic analysis
【字体:
大
中
小
】
时间:2026年09月16日
来源:International Journal of Legal Medicine 2.6
编辑推荐:
**摘要**
在性侵调查过程中,显微镜下精子识别是法医遗传工作流程中一个关键但具有主观性的步骤。人工检查耗时较长,存在检查者间差异,且容易出现假阴性。本研究提出了Spitz——一种基于深度学习的法医显微样本精子自动检测系统,并通过盲法比较研究评估其相对于人工检查的表现。研究
**摘要**在性侵调查过程中,显微镜下精子识别是法医遗传工作流程中一个关键但具有主观性的步骤。人工检查耗时较长,存在检查者间差异,且容易出现假阴性。本研究提出了Spitz——一种基于深度学习的法医显微样本精子自动检测系统,并通过盲法比较研究评估其相对于人工检查的表现。研究者使用来自真实法医案件、经圣诞树染色(Christmas Tree stain)处理的399个显微图像切片对YOLOv10-L模型进行了训练。该模型被集成到一个网页界面中,支持批量推理、载玻片空间重建以及基于坐标的专家验证。盲法比较研究由三位法医专家重新检查30份性侵样本,分别使用人工和AI辅助方法,记录精子数量、分类(未检出、少量、偶见)和检查时间。统计分析包括Wilcoxon符号秩检验、Fleiss's Kappa系数和变异系数(CV)。模型达到94%的精确率、72.3%的召回率和0.842的mAP50。AI辅助检测发现精子数量显著多于人工检查,且计数变异度较低。检查者间一致性得到改善(Fleiss's Kappa:0.858对比0.698;一致性:86.7%对比73.3%),各分类间的分类变异度降低(平均CV:80.1%对比93.5%)。使用AI的检查时间较短(6.39 ± 0.59分钟对比6.93 ± 0.70分钟),但未达统计学显著性(p = 0.2621)。Spitz在检测敏感性和检查者间重复性方面显著优于人工检查,同时减少了检查者的光照暴露。通过集成检测、协同追踪和显微镜导航功能,Spitz搭建了自动化分析与下游法医遗传工作流程之间的桥梁。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号