使用时间间隔成像技术,自动预测和评估人类胚胎细胞质量的质量

科学领域:

• 生殖生物学和人工智能的人工智能
• 胚胎学和生物信息学
• 医学成像和机器学习

背景情况:

• 精确评估人类胚胎的质量和 ploidy 对于成功的体外受精 (IVF) 是至关重要的.
• 目前用于胚胎评估的方法可以通过更有效地利用时间间隔成像数据来改进.
• 确定关键的发育时间点是提高胚胎评估预测准确性的关键.

研究的目的:

• 开发和比较人工智能模型,以预测不同发育阶段的胚胎化状态.
• 介绍BELA,这是一种用于自动化率预测的新型深度学习模型.
• 根据现有的基于图像和视频的模型以及人类专家的评分来评估BELA的表现.

主要方法:

• 开发BELA,一个多任务学习模型,预测胚胎质量得分,以推断 ploidy 状态.
• 利用人类胚胎的时间间隔成像数据.
• 使用威尔·康奈尔数据集,比较BELA的性能与以前的模型.

主要成果:

• 在区分euploid和aneuploid胚胎时,BELA实现了0.76的接收器运行特征曲线下的面积.
• 该模型与以前基于图像和视频的方法相比,表现出了更高的性能.
• 贝拉的表现与经过胚胎学家提供的手动分数训练的模型相匹配.

结论:

• 贝拉代表了在使用时差成像的自动化胚胎育预测方面取得的重大进展.
• 该模型简化了胚胎评估,而不需要胚胎学家的直接投入.
• 虽然BELA不是基因测试的替代品,但它提供了一种有价值的工具,可以增强试管婴儿过程.