从显微镜图像中基于深度学习量化牛卵细胞质量

科学领域:

• 兽医科学 兽医科学 兽医科学
• 生物技术是生物技术.
• 动物繁殖中的人工智能

背景情况:

• 牛体外胚胎生产的成功受限于卵子质量.
• 目前的卵细胞选择依赖于胚胎学家的主观,耗时的视觉评估.
• 不一致的卵细胞评估会影响胚胎发育和生产效率.

研究的目的:

• 开发一种半自动,客观的方法来评分未成熟的牛卵细胞质量.
• 利用深度学习来分类卵细胞能力.
• 提高牛肉体外胚胎生产的效率和成功率.

主要方法:

• 开发了一个深度学习模型来对卵细胞质量进行分类.
• 该模型使用未成熟的牛卵细胞的真实图像进行训练和验证.
• 卵细胞能力的标记是基于受精后的后续发展成胚胎囊.

主要成果:

• 拟议的深度学习模型提供了对卵细胞质量的可靠和客观评估.
• 自动分类比胚胎学家主观视觉评估更一致.
• 该方法的性能与人类卵细胞的现有方法相美.

结论:

• 使用立体显微镜图像建立了一种半自动的实时方法,用于通过立体显微镜图像对未成熟的牛卵细胞进行评分.
• 这种人工智能驱动的方法显著减少了体外胚胎生产中的时间和主观性.
• 该方法有望提高牛胚胎发育的整体成功率.