相关实验视频
Updated: Jul 12, 2025
10:25
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
Published on: November 11, 2022
8.9K
基于微观视频的分组胚胎细分:一种深度学习方法
Huy Phuong Tran1, Hoang Thi Diem Tuyet1, Truong Quang Dang Khoa2
1Department of Infertility, Hung Vuong Hospital, Ho Chi Minh City, VNM.
Cureus
|October 20, 2023
概括
本研究介绍了一种深度学习 (DL) 方法,用于改善体外受精 (IVF) 的胚胎细分和组织,为未来的研究和教育创造了一个有价值的数据库.
科学领域:
- 生殖医学 生殖医学
- 人工智能的人工智能
- 生物技术是生物技术.
背景情况:
- 在体外受精 (IVF) 取决于精确的胚胎评估.
- 目前用于胚胎分析的方法可能是劳动密集型和主观的.
- 先进的计算技术可能会提高试管婴儿的效率和结果.
研究的目的:
- 开发和验证深度学习 (DL) 方法,用于精确的胚胎细分和组织在IVF.
- 为研究和教育应用建立一个全面的胚胎数据库.
- 加强DL在微观胚胎分析中的利用.
主要方法:
- 开发了一种先进的DL方法,包括胚胎细分模型,细分胚胎图像组织以及清晰模糊图像分类.
- 该方法使用来自362个微观胚胎视频中的5182个胚胎进行了评估.
- 关键性能指标包括工会 (IoU) 门上的各种交叉点的平均平均精度 (mAP).
主要成果:
- 拟议的DL方法在胚胎图像的细分和组织方面取得了高精度,在0.5到0.95.95的IOU值下,mAP为1.0.
- 基于发育日,患者,生长介质和胚胎类型的图像细分,有助于比较分析和问题识别.
- 确定了对清晰和模糊图像进行分类的最佳值.
结论:
- 开发的技术对于IVF培训和教育中的数据准备至关重要.
- 这项研究为增加在IVF中采用DL奠定了基础.
- 这些发现预计将通过改进数据分析和洞察力,对试管婴儿成功率产生积极影响.
