The Implementation of DCGAN in the Data Augmentation for the Sperm Morphology Datasets

Authors : Kamran BALAYEV, Nihad GULUZADE, Sercan AYGÜN, Hamza O.İLHAN

Pages : 307-314

Doi:10.31590/ejosat.952561

View : 10 | Download : 12

Publication Date : 2021-07-31

Article Type : Conference Paper

Abstract :Bir sinir ağını verimli bir şekilde eğitmek için büyük miktarda veri temel gereksinimdir. Ağ eğitiminde küçük boyutlu bir eğitim kümesinin kullanılması, test kümesinde düşük doğruluklu model performansına neden olur ve modelin pratikte uygulanmasını zorlaştırır. Diğer birçok soruna benzer şekilde, sperm morfolojisi veri kümeleri de, sperm morfometrisinin otomatik değerlendirilmesini sağlamak için sinir ağı tabanlı derin ağları eğitmek açısından sınırlıdır. Veri artırma, gerçek verileri daha verimli kullanarak bu sorunu azaltır. Standart veri artırma teknikleri, yalnızca görüntüler üzerindeki uzamsal değişikliklere odaklanır ve sadece sınırlı sayıda yararlı bilgi sağlayan ve ayrık veri üretebilir. Bu nedenle, standart uzamsal tabanlı veri artırma tekniklerinden daha farklı ve çeşitli veriler oluşturmak için, bu çalışmada sperm morfolojisi veri kümeleri adına üretici model olarak bilinen derin öğrenme tabanlı bir veri artırma tekniği kullanılmıştır. Bu çalışmada Derin Evrişimli Üretici Çekişmeli Ağ (DCGAN) optimize edilmiş ve SMIDS, HuSHeM ve SCIAN-Morpho gibi üç iyi bilinen sperm morfometrisi veri kümeleri kullanılmıştır. Her veri kümesi, önerilen yaklaşımla ayrı ayrı 1000 örneklem büyüklüğüne yükseltilmiştir. Ağı farklı parametrelerle optimize etmek ve üretilen verileri gözlemlemek için grafiksel bir kullanıcı arayüzü tasarlanmıştır. Üretilen görüntülerin orijinal görüntülere benzerlik değerlendirmesi için Fréchet Başlangıç Mesafesi (FID) skoru kullanılmıştır. FID sonuçları, oluşturulan en benzer görüntülerin ortalama 29.06 FID puanı ile SMIDS için elde edildiğini göstermektedir. En kötü performans (Ortalama FID = 53.46), düşük çözünürlük ve veri dengesizliği sorunları olan SCIAN-Morpho veri kümesi için elde edilmiştir. Son olarak, DCGAN tabanlı önerilen yaklaşım HuSHeM veri kümesi için ortalama 44.25 FID puanıyla sonuçlanmıştır.
Keywords : Veri Artırma, DCGAN, Derin Öğrenme, Üretici Çekişmeli Ağlar, Sperm Morfolojisi