De las imágenes a los conocimientos: conteo celular y clasificación de la uniformidad de los embriones del día 3

Área de la Ciencia:

• Embriología
• Inteligencia artificial
• Imágenes médicas

Sus antecedentes:

• La clasificación manual de los embriones del día 3 en la FIV es subjetiva e inconsistente.
• Las imágenes 2D limitan la precisión en el recuento de células y la evaluación de la uniformidad.
• La variabilidad entre observadores compromete la selección confiable de embriones.

Objetivo del estudio:

• Desarrollar un enfoque híbrido de IA y procesamiento de imágenes para la evaluación objetiva de embriones de FIV.
• Mejorar la precisión en el conteo de blastómeros y la evaluación de la uniformidad.
• Estandarizar la clasificación de embriones para mejorar las tasas de éxito de la FIV.

Principales métodos:

• Detección de objetos YOLOv8 integrada para la localización de blastómeros.
• Modelo de contorno activo de flujo de vectores de gradiente (GVF) utilizado para el refinamiento preciso de los límites.
• Se ha introducido el valor de uniformidad normalizado (NUV) para la evaluación objetiva de la variabilidad del tamaño de las células.

Principales resultados:

• El modelo híbrido cuantifica con precisión las células y evalúa la uniformidad en condiciones de imagen desafiantes.
• GVF-serpiente mejora la delineación de límites y las mediciones espaciales.
• NUV proporcionó una métrica confiable para la clasificación consistente de embriones.

Conclusiones:

• Desarrolló un modelo híbrido YOLOv8-GVF-serpiente para mejorar la precisión de clasificación de embriones.
• Reducción de la subjetividad y la variabilidad en la evaluación de embriones de FIV.
• Establecido NUV como una métrica cuantitativa para la toma de decisiones estandarizada de FIV.