2024年3月1日，同济大学附属妇产科医院滕晓明教授团队在Computational and Structural Biotechnology Journal (IF:6.2) 杂志在线发表了题为“Multidimensional morphological analysis of live sperm based on multiple-target tracking”的文章，该研究创新性地研发出一项全新的精子质量检测方法，提出了一个适用于精子多目标交错运动场景的实时追踪算法。该算法结合精子运动距离、角度轨迹等运动特征，能对多精子交错运动目标进行精准的追踪，并在追踪的同时，完成精子头部、中段和主段的形态分析、精子活力及精液浓度的分析。这一成果实现了对活体精子无染色的实时的多维度形态分析，可一键式获得精液浓度、精子活力及多维度形态等结果。该研究将极大提升现有精液质量的检测水平，为男科及辅助生殖技术提供更高效精确的检测方法。

创新技术 解决难点

当前，男性精液检测主要依赖计算机辅助精子分析仪(computer assistant semen analyses，CASA)，传统的CASA系统仍使用传统阈值图像处理方法，准确率仍有待提高；而精子形态检测需要通过染色后人工镜检完成，工作量大耗时长，形态判读存在较高的主观性偏差。因此，开发更高效精确的精液质量检测系统对促进男科学发展具有重要的意义。

滕晓明教授团队依据最新的精液检测国际标准（WHO，第六版），采集了约数十万精子数据来完成算法的训练和测试，开发了一个人工智能分析系统，实现了对无需染色的活体精子进行实时的多维度形态分析。之后研究团队在同济大学附属妇产科医院、上海交通大学医学院附属仁济医院、复旦大学妇产科医院集爱遗传与不育诊疗中心这三家三甲医院共采集了1272例样本完成人工染色形态和人工智能系统无染色形态对比实验，结果显示人工智能未染色精子形态与人工染色精子形态高度一致。这标志着临床的精液检测方法将迎来一个新的智能化时代，将极大推进男科的临床发展。

提高效率 精益求精

1. 实现未染色无创精子形态精准判定

研究团队创新性地研发了人工智能算法框架，可以实现对运动中的活体精子无创多维度形态分析。通过学习数百万的精子数据，结合精子头部运动的距离和角度，以及头部目标检测的IOU值，解决了多精子交叉运动的轨迹识别困难的问题。此外，研究团队还采用了实例分割算法分割单个精子，然后再使用语义分割算法得到精子头、中段、主段三个部分，同时对这三个部分做头宽比、中段宽度、主段长度测量然后进行识别分类，综合两者结果从而获得更加准确客观的精子形态分析结果。该算法可以精确地将WHO列出的11种异常精子形态分类进行识别，包括头部异常（锥形、梨形、不定形、空泡、顶体等问题）、颈部和中段异常（颈部弯曲、不对称、胞浆残留、细或粗）以及尾部缺陷（短、弯曲、卷曲）等。

2. 首次实现前向且形态正常精子准确检测

目前临床精液检测方法无法对同一条精子同时进行活力及形态分析，造成我们无法准确计算精子形态正常且具有前向运动能力的精子总数。该系统可以一次实现同一活动精子的形态和活力分析，因此可以真实计算出精子前向且形态正常数值。新方法将极大改进现有方法对精子运动力低或形态正常率低这一特殊群体计算结果的不足。

3. 与多家医院精子形态检测结果一致性高

在三家三级甲等医院收集的1272个样本中，该系统的检测结果与技术员人工检测结果高度一致。这一研究实现了对精子的自动检测，包括精子的运动性和形态，这为进一步开发精子优选系统，为IVF（In vitro fertilization）及ICSI（Intracytoplasmic sperm injection，lCSl）手术患者筛选具有较好受精能力的精子提供了可能。

助力临床 影响深远

滕晓明教授表示：与现有方法相比，本研究有以下三个重要创新：(1)该算法可以直接进行活精子无染色形态分析，极大降低了实验室技术人员的工作量，更关键的是可以更准确、客观地评估精子形态。(2)我们提出了一种新的精子形态和多精子跟踪方法，即使在头部相交的情况下，该方法同样能够精确跟踪每一个精子，这为精子形态的多帧多维分析提供重要技术基础。(3)该算法可以动态监测精子，并准确识别视野中的所有前向运动且形态正常的精子，解决了现有方法无法精准计算前向运动且同时形态正常的精子指标的局限。

总之，该项智能分析系统实现了一键式获得精液浓度、活力及未染色的活精子的形态等指标，这不仅减少了实验室技术人员的工作量，而且能够更全面、客观地评估精子质量，帮助医生做出更科学的诊断决策，并为接受检查的患者提供更快速、更高效的反馈。

本文图表来源于“Multidimensional morphological analysis of live sperm based on multiple-target tracking”一文

同济大学附属妇产科医院杨昊、马萌萌、上海交通大学医学院附属仁济医院陈向峰教授、复旦大学妇产科医院集爱遗传与不育诊疗中心陈国武教授为论文共同第一作者，同济大学附属妇产科医院滕晓明教授、郭毅研究员为本文共同通讯作者。

通讯作者

滕晓明

主任医师，同济大学附属妇产科医院生殖医学中心主任。中华医学会第五届生殖医学分会常务委员、胚胎学学组委员、男科学学组副组长；中国优生科学协会理事、生殖医学与伦理学分会副主任委员；中国性学会女性生殖医学专业委员会副主任委员；中国非公立医院协会生殖医学专业委员会副主任委员；海峡两岸医药卫生交流协会遗传与生殖专业委员会副主任委员；中国优生优育协会孕育与生殖专委会常委；中国医促会生殖医学分会常务委员；上海市医学会生殖医学专业委员会副主任委员；上海市中西医结合学会生殖医学专业委员会名誉主任委员；上海市辅助生殖技术专家委员会委员；国家卫健委辅助生殖技术评审专家。承担国家重点研发计划、国家自然科学基金及上海市课题等10余项，共发表学术论文100余篇，其中以第一或通讯作者发表SCI论文40余篇。

（上下滑动查看完整介绍）

郭毅

遗传学博士，副主任技师，同济大学研究员，博士研究生导师，从事人类辅助生殖技术胚胎实验室的临床、科研及教学工作近15年。临床研究主要致力于辅助生殖过程中未成熟卵母细胞及胚胎培养的优化及人工智能在精子优选中的临床应用，基础研究聚焦于高龄及环境因素对配子及植入前胚胎表观修饰的影响，并探索这类因素对子代疾病发生的机制研究。目前以第一负责人主持2项国家自然科学基金项目，1项中华医学会临床研究项目。以第一及通讯作者在Aging cell、Fertility and sterility等杂志发表论文10余篇，获国家发明专利2项。

（上下滑动查看完整介绍）

参考文献：(上下滑动查看更多)

1. Butola, A., Popova, D., Prasad, D.K., Ahmad, A., Habib, A., Tinguely, J.C., Basnet, P., Acharya, G., Senthilkumaran, P., Mehta, D.S., et al., 2020. High spatially sensitive quantitative phase imaging assisted with deep neural network for classification of human spermatozoa under stressed condition. Scientific reports 10, 13118.

2. Organization, W.H., others, 2021. WHO laboratory manual for the examination and processing of human semen Publisher: World Health Organization.

3. Maree, L., Du Plessis, S., Menkveld, R., Van der Horst, G., 2010. Morphometric dimensions of the human sperm head depend on the staining method used. Human Reproduction 25, 1369–1382. Publisher: Oxford University Press.

4. Senthilkumaran, N., Rajesh, R., 2009. Image segmentation-a survey of soft computing approaches, in: 2009 International Conference on Advances in Recent Technologies in Communication and Computing, IEEE. pp. 844–846.

END