يك شبكه مولد متخاصم كپسولي جديد براي طبقه‏ بندي نامتوازن تصاوير اسپرم انسان

ناباروري مردان به عنوان يك عامل موثر، مي‏تواند زندگي زوج‏هاي نابارور را تحت تاثير قرار دهد. مورفولوژي سر اسپرم يك مرحله مهم در ارزيابي و بررسي مايع مني در ناباروري مردان است. كمبود نمونه‏ هاي مربوط به ناهنجاريهاي سر اسپرم در مقايسه با نمونه‏ هاي سر اسپرم طبيعي، مي‏تواند طبقه‌بندي تصاوير سر اسپرم را به يك مسئله طبقه‌بندي نامتوازن تبديل كند. با عدم توانايي الگوريتم‌هاي طبقه‌بندي رايج، شبكه هاي عصبي كپسول با درنظر گرفتن ارتباطات فضايي ويژگي‏ ها، در مقايسه با ساير شبكه‏‏‏ هاي عميق بستر مناسبي را براي طراحي مدل‏ هاي طبقه‌بندي نامتوازن فراهم مي‏‏كنند. هم چنين شبكه‏ هاي مولد متخاصم با توليد نمونه ‏هاي مصنوعي مناسب كمك شاياني به بهبود طبقه‌بندي نامتوازن تصاوير مي‏ كنند. به‏ همين‏ منظور در اين مقاله يك معماري جديد بر اساس شبكه‏ هاي كپسولي و شبكه‏ هاي مولد متخاصم براي ارزيابي طبقه‌بندي نامتوازن تصاوير سر اسپرم انسان معرفي ميگردد. بررسي و مقايسه مدل پيشنهادي با ساير مدلهاي يادگيري عميق در طبقه‌بندي متوازن و نامتوازن تصاوير سر اسپرم انسان، نشان از برتري مدل پيشنهادي داشت. در بررسي روش‏هاي عمومي افزايش داده با مدل پيشنهادي براي افزايش داده اين نتيجه حاصل شد كه روش ‏هاي عمومي از مقاومت كمتري در كاهش تعداد داده ‏ها نسبت به مدل پيشنهادي برخوردار است. اين مدل،‏ طبقه ‏بندي متوازن تصاوير سر اسپرم را با دقت 98/1 درصد انجام داد. هم‏‏چنين مدل پيشنهادي تا عدم توازن دسته اقليت به اكثريت 1:25، حساسيت بالاي 80 درصد را حفظ كرد كه نشان از عملكرد مناسب آن در طبقه‌بندي نامتوازن تصاوير اسپرم دارد.