深度学习系统用于使用时间间隔视频对 ploidy 状态进行分类
Elena Paya1, Cristian Pulgarín2, Lorena Bori3
1Instituto de Investigación e Innovación en Bioingeniería (I3B), Universitat Politècnica de Valencia, Spain; IVIRMA Valencia, Spain.
F&S science
|July 2, 2023
概括
这项研究开发了一种人工智能模型,使用时差视频来预测胚胎幼性. 人工智能系统实现了73.08%的准确性,为染色体状态诊断提供了一种非侵入性方法.
科学领域:
- 生殖医学是一种生殖医学.
- 医疗保健中的人工智能
- 胚胎学 胚胎学
背景情况:
- 评估胚胎是成功体外受精 (IVF) 的关键.
- 目前用于诊断染色体状况的方法可能是侵入性的和耗时的.
- 自动化胚胎评估可以改善试管婴儿的结果.
研究的目的:
- 开发一个时空人工智能 (AI) 模型,用于预测euploid和aneuploid胚胎.
- 为了利用时间间隔成像数据进行非侵入性胚胎评估.
- 为了提高试管婴儿成功率,自动化对胚胎发育的评估.
主要方法:
- 使用回顾性研究设计开发了一个端到端的人工智能系统.
- 卷积神经网络 (CNN) 从视频中提取空间特征.
- 双向长期短期记忆 (BiLSTM) 层分析了时间依赖性以进行分类.
主要成果:
- 人工智能模型在预测胚胎繁体化方面取得了73.08%的准确性.
- 一个多输入模型与一个门反复单元 (GRU) 模块显示出卓越的性能.
- 该模型显示了0.8205的精度,用于euploidy预测.
结论:
- 该研究提出了一种新的AI解决方案,以优先考虑euploid胚胎转移.
- 确定了一种使用时间间隔数据的深度学习进行染色体状态诊断的非侵入性方法.
- 人工智能方法显示了通过编码空间和时间信息来自动化胚胎评估的潜力.
更多相关视频
10:04A Neural Network-Based Identification of Developmentally Competent or Incompetent Mouse Fully-Grown Oocytes
Published on: March 3, 2018
6.7K
11:38Author Spotlight: Enhancing PSC-to-Functional Cell Differentiation Using ML Models Based on Live-Cell Bright-Field Imaging
Published on: October 4, 2024
625
