使用基于SAM的双分支管道进行切割阶段胚胎细分:使用CleavageEmbryo数据集进行开发和评估

科学领域:

• 生殖医学 生殖医学
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 胚胎选择对于体外受精 (IVF) 成功至关重要.
• 目前的胚胎评估是耗时,昂贵和主观的.
• 人工智能有可能简化胚胎选择,但现有的方法往往缺乏解释性或专注于后期阶段.

研究的目的:

• 开发一种自动化方法来对分裂期胚胎进行细分.
• 提高试管婴儿胚胎评估的准确性和效率.
• 解决胚胎选择当前深度学习方法的局限性.

主要方法:

• 引入了一个基于SAM的双分支细分管道.
• 开发了CleavageEmbryo数据集,对人类分裂期胚胎进行像素级注释,包括碎片信息.
• 在新数据集上训练并评估了最先进的细分算法.

主要成果:

• 拟议的管道在细分芽细胞体 (mAP 0.874) 和碎片 (Dice 0.695) 中取得了卓越的性能.
• 与现有算法相比,该方法显示了更好的视觉质量和准确性.
• 切割胚胎数据集为未来的研究提供了宝贵的资源.

结论:

• 基于SAM的双分支细分管道为分裂阶段的胚胎细分提供了有效的自动化解决方案.
• 精确细分裂变期胚胎可以提高试管婴儿成功率.
• 这项工作为更易于解释和更有效的AI驱动胚胎选择提供了基础.