人工智能模型在受精能力精子形态预测中的应用（⬅点击左侧文字观看视频）
研究问题：人工智能在根据人类精子的形态特征选择受精能力强的精子方面的作用是什么？
简要回答：本研究中建立的人工授精模型有可能用于在临床环境中选择具有较高受精潜力的精液样本。
我们已经知道：有缺陷的精子-透明带（ZP）相互作用导致低生育能力，是IVF受精率低的主要原因。虽然ICSI有利于精子ZP结合缺陷的患者，在常规体外受精之前，缺乏一种标准的方法来识别这类患者。由于常规评估具有高度的主观性和耗时性，人工智能在精子形态分析中的应用已成为一个越来越受关注的话题。深度学习是人工智能（AI）的核心元素，它结合了卷积神经网络（CNN），通过连续的层处理构成数字图像的所有数据，以识别底层模式。
研究设计、大小、持续时间：根据精子与ZP的结合能力分离受精能力精子。收集ZP结合和非结合精子进行功能分析，并建立AI模型，用于精子受精潜能的形态学预测。从正常精子样本中分离出人类精子（n=289）。从香港的辅助生殖计划中收集人类卵母细胞（n＝562）。样本采集一直在进行，并将持续到2021年11月本研究结束。
参与者/材料、设置、方法：采用精子ZP结合试验收集ZP结合和非结合精子。根据我们建立的方案评估收集的精子的受精潜能和遗传质量。分别收集ZP结合和未结合精子的Diff-Quik染色图像，以建立AI模型。
提出了一种新的精子图像变换和分割算法，对图像进行预处理。然后将CNN结构应用于这些预处理图像，用于特征提取和模型训练。
主要结果和偶然性的作用：我们的结果表明，与原始样品和未结合的精子亚群相比，精子ZP结合试验对精子活力没有不利影响。与未结合的精子相比，ZP结合的精子在统计学上具有更高的顶体反应率、更好的DNA完整性、更好的形态、更低的鱼精蛋白缺乏和更高的甲基化水平。通过分析总共1，评估精子形态对ZP结合能力的预测能力。我们新训练的基于AI的模型初步成功地根据ZP结合/未结合精子的形态特征对其进行分类，准确率高达85%，计算复杂度低。
局限性和谨慎理由：这种精子选择方法需要微操作和相对较长的处理时间来恢复ZP结合的精子。除了有限的可用性外，人类材料的使用可能会导致组间差异，影响该方法在实验室间的再现性。
研究结果的更广泛含义：根据目前的研究结果，基于人工智能的精子选择方法可以为临床提供精子受精潜能的高预测值。该方法特别适用于常规IVF治疗后受精效果差或精子ZP结合能力高度缺陷的患者。
试用注册号：不适用
