ABSTRACT
En la actualidad una de cada seis parejas presenta problemas de fertilidad y en el 50% de los casos se debe al factor masculino. A la fecha, el análisis seminal es la única prueba que permite determinar el potencial fértil de un hombre. Entre otros parámetros, la viabilidad espermática es evaluada manualmente presentando una variabilidad debido a la subjetividad producida por la fatiga ocular del experto. El propósito de este trabajo fue desarrollar y validar experimentalmente una herramienta computacional flexible, programable y modular basada en el procesamiento digital de imágenes, para la identificación y clasificación de espermatozoides humanos en una muestra seminal. Las regiones fueron extraídas mediante la técnica de análisis discriminante de Fisher y su clasificación se realizó a través del análisis de agrupamiento y particularmente la técnica de K-medias. Los resultados obtenidos muestran 87,9% de exactitud en la identificación de los espermatozoides vivos y los espermatozoides muertos, 93,4% de efectividad para detectar espermatozoides vivos y 76% de efectividad para detectar los espermatozoides muertos, a partir de un conjunto de 110 imágenes obtenidas de 14 individuos, en comparación con el análisis manual acorde a los procedimientos establecidos por la Organización Mundial de la Salud. La herramienta computacional mostrada aquí contribuye al análisis objetivo de espermatozoides humanos, convirtiéndose en una alternativa a los costosos sistemas comerciales de análisis seminal asistido por computador.
Currently one out of six couples present fertility problems, with 50% of the cases being due to the male. Until now, seminal fluid analysis is the only test that evaluates a male's fertility potential. Among other parameters, sperm viability is manually assessed, which contributes to high data variability as a result of expert subjectivity and eye-fatigue. The purpose of the present study was to develop and experimentally validate a flexible, programmable and modular-based computational tool for digital image processing, identification and classification of human sperm in a semen sample. The regions were extracted using Fisher discriminant analysis and classification methods by cluster analysis and particularly the K-means technique. The results show 87.9% accuracy in identifying living and dead sperm, 93.4% effectiveness in detecting live sperm and 76% effectiveness in detecting dead sperm, from a set of 110 images obtained from 14 individuals, compared with manual analysis according to the procedures established by the World Health Organization. This computational tool contributes to the objective analysis of human sperm, becoming an alternative to expensive commercial systems for computer-assisted semen analysis.
ABSTRACT
Objective To study the relationships between sperm morphology and sperm vitality,sperm viability.Methods The sperm morphology and the sperm vitality were analyzed by automated sperm morphology analyzer(ASMA) and the sperm viability was analyzed using eosin staining.Results The normal morphology sperm rate of abnormal vitality group was lower than that of normal vitality group(P