فهرست نشریات علمی دسترسی آزاد ایران

ناباروری مردان به عنوان یک عامل موثر، می‏تواند زندگی زوج‏های نابارور را تحت تاثیر قرار دهد. مورفولوژی سر اسپرم یک مرحله مهم در ارزیابی و بررسی مایع منی در ناباروری مردان است. کمبود نمونه‏ های مربوط به ناهنجاریهای سر اسپرم در مقایسه با نمونه‏ های سر اسپرم طبیعی، می‏تواند طبقه‌بندی تصاویر سر اسپرم را به یک مسئله طبقه‌بندی نامتوازن تبدیل کند. با عدم توانایی الگوریتم‌های طبقه‌بندی رایج، شبکه های عصبی کپسول با درنظر گرفتن ارتباطات فضایی ویژگی‏ ها، در مقایسه با سایر شبکه‏‏‏ های عمیق بستر مناسبی را برای طراحی مدل‏ های طبقه‌بندی نامتوازن فراهم می‏‏کنند. هم چنین شبکه‏ های مولد متخاصم با تولید نمونه ‏های مصنوعی مناسب کمک شایانی به بهبود طبقه‌بندی نامتوازن تصاویر می‏ کنند. به‏ همین‏ منظور در این مقاله یک معماری جدید بر اساس شبکه‏ های کپسولی و شبکه‏ های مولد متخاصم برای ارزیابی طبقه‌بندی نامتوازن تصاویر سر اسپرم انسان معرفی میگردد. بررسی و مقایسه مدل پیشنهادی با سایر مدلهای یادگیری عمیق در طبقه‌بندی متوازن و نامتوازن تصاویر سر اسپرم انسان، نشان از برتری مدل پیشنهادی داشت. در بررسی روش‏های عمومی افزایش داده با مدل پیشنهادی برای افزایش داده این نتیجه حاصل شد که روش ‏های عمومی از مقاومت کمتری در کاهش تعداد داده ‏ها نسبت به مدل پیشنهادی برخوردار است. این مدل،‏ طبقه ‏بندی متوازن تصاویر سر اسپرم را با دقت 98/1 درصد انجام داد. هم‏‏چنین مدل پیشنهادی تا عدم توازن دسته اقلیت به اکثریت 1:25، حساسیت بالای 80 درصد را حفظ کرد که نشان از عملکرد مناسب آن در طبقه‌بندی نامتوازن تصاویر اسپرم دارد.