生成型的人工智能可以产生高保真度的胚胎图像
Ping Cao1,2, Josien Derhaag3, Edith Coonen1,3
1Department of Clinical Genetics, Maastricht University Medical Center+ (MUMC+), Maastricht, The Netherlands.
Human reproduction (Oxford, England)
|April 11, 2024
概括
生成型人工智能 (AI) 模型可以创建高准确度的人类胚胎细胞图像. 这项技术为人工智能在试管婴儿中提供了关键的培训数据,增强了胚胎选择和患者隐私.
科学领域:
- 胚胎学 胚胎学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 在试管婴儿中整合人工智能可以提高客观性和自动化胚胎选择.
- 数据稀缺和隐私问题限制了人工智能在试管婴儿中的有效性.
- 生成对抗性网络 (GAN) 通过创建合成数据提供了一个解决方案.
研究的目的:
- 评估生成性人工智能模型在产生高准确度人体胚胎囊图像方面的能力.
- 通过生成大量的培训数据集,为试管婴儿开发强大的AI模型.
- 探索GAN在克服辅助生殖技术数据限制方面的潜力.
主要方法:
- 基于风格的GAN使用时间缩短显微镜视频中的972张胚胎细胞图像进行了微调.
- 模型配置了数据增强和预训练的权重以进行优化.
- 量化指标 (FID,KID) 和一个视觉图灵测试,使用60个评估者来评估图像质量和真实性.
主要成果:
- 在5000次代后,AUG + Pretrained-R模型以FID为15.2和KID为0.004实现了最佳性能.
- 与基线模型相比,预训练模型的FID和KID得分明显较低.
- 视觉图灵测试中的专家和非专家评估显示,合成图像的特异性可比.
结论:
- 生成型人工智能可以产生高准确度的人类胚胎细胞图像,创建有价值的训练数据集.
- 这种方法解决了数据稀缺问题,并加强了IVF中的患者数据隐私.
- 生殖模型显示了改变胚胎选择和改善试管婴儿结果的潜力.
