机器学习辅助的健康可行性测定用于使用人工共聚焦显微镜 (ACM) 的小鼠胚胎
bioRxiv : the preprint server for biology
|August 7, 2023
概括
这项研究引入了一种机器学习工具,使用人工聚焦显微镜来评估胚胎健康,以提高体外受精 (IVF) 成功率. 人工智能模型准确地对胚胎进行分级,提高临床怀孕和活产的结果.
科学领域:
- 生殖生物学和辅助生殖技术.
- 生物医学成像和机器学习应用.
背景情况:
- 成功的体外受精 (IVF) 取决于胚胎质量和母亲的健康.
- 目前的胚胎选择依赖于胚胎学家的主观形态评估.
- 机器学习 (ML) 提供了客观胚胎评估的潜力.
结论:
- 基于ACM的ML工具为胚胎健康评估提供了一个客观的,定量方法.
- 这项技术有可能通过增强胚胎选择来提高试管婴儿成功率.
- 未来的应用程序可能会改进试管婴儿协议并改善患者的治疗结果.


