ABSTRACT
Resumen: El análisis de motilidad espermática es muy importante para la evaluación de fertilidad humana. A menudo este análisis se lleva a cabo de forma manual, pero puede ser susceptible a errores inherentes a la naturaleza del procedimiento. Además de conllevar largos periodos de tiempo, los resultados son subjetivos y carentes de repetitividad. Con el fin de mejorar esto, presentamos un algoritmo semi-automático que rastree de manera precisa el desplazamiento de los espermatozoides. La metodología implementada se basó en la aplicación de modelos gaussianos adaptativos para detectar los espermatozoides en movimiento y segmentarlos a lo largo de los fotogramas de un video, posteriormente fueron aplicadas operaciones morfológicas y análisis de componentes conectados para reducir ruido en la imagen y calcular los centroides respectivamente. Luego, el algoritmo de Munkres y el filtro de Kalman fueron utilizados con el propósito de asignar centroides a las trayectorias. Finalmente, las trayectorias son visualizadas en pantalla. Los resultados evidencian un 90.91% de precision con respecto al análisis manual por parte de un experto. La herramienta tiene como único objetivo detectar el movimiento y trazar el desplazamiento de los espermatozoides en vídeo para muestras espermáticas humanas. Por otra parte, permite a los expertos en andrología llevar a cabo un análisis más exacto de las características individuales de los espermaozoides, teniendo así un soporte tecnológico a bajo costo, preciso y con repetitividad en los resultados que les permita emitir un diagnóstico más acertado. Por lo tanto, este método puede ayudar a especialistas a reducir periodos de tiempo y realizar un análisis más objetivo de motilidad espermática. De esta manera, el diagnóstico de fertilidad será más confiable.
Abstract: Sperm motility analysis is very important for human fertility assessment. It is often carried on manually, but this could be susceptible to mistakes due to the nature of procedure. In addition to being time-consuming, results are merely subjective and non-repeatable. In order to overcome this, we present a semi-automated algorithm that tracks accurately the sperm movements. Adaptive Gaussian models are implemented for detecting moving spermatozoa and segment them throughout video frames. Morphological operators and connected-components labeling are applied to reduce noise and calculate centroids, respectively. Then, the Munkres algorithm along with the Kalman filter are used for the purpose of assigning centroids to tracks. Finally, tracks are displayed on screen. Outcomes show a 90.91 % of accuracy regarding to manual analysis. This algorithm aims only to detect spermatozoa movement and trace its displacement in video for human sperm samples. Moreover, it allows andrology experts to perform a more exact analysis of the individual characteristics of spermatozoa, having so a low cost, accurate and repetitive technological support that will allow them to emit more precise diagnosis. Thus, this method will help specialists to reduce time periods and make more objective analysis of sperm motility. In this way, fertility diagnosis will be more reliable.