在胚胎发育和形态学中检测异常使用医疗计算机视觉辅助猪变压器与增强的喉优化算法.

科学领域:

• 生殖生物学 生殖生物学
• 医学中的人工智能
• 计算机视觉用于医学成像.

背景情况:

• 不孕症影响着许多人,体外受精 (IVF) 是一种关键的辅助生殖技术.
• 目前的胚胎评估依赖于手动显微镜评估,这是耗时的,劳动密集的,容易产生主观偏见.
• 人工智能 (AI) 和计算机视觉 (CV) 的进展为提高胚胎评估的准确性和效率提供了潜在的解决方案.

研究的目的:

• 开发和验证一个先进的AI驱动技术,EDMCV-STBDTO,以准确有效地检测人类胚胎发育和形态.
• 改善胚胎的质量评估,以获得成功的试管婴儿结果,并推进发育生物学研究.
• 克服传统手动胚胎评估方法的局限性.

主要方法:

• 提出的胚胎发育和形态使用计算机视觉辅助转换器与增强喉优化 (EDMCV-STBDTO) 技术被采用.
• 图像预处理使用双边过器 (BF) 来降低噪音.
• 使用swin变压器方法进行特征提取,然后使用变异自编码器 (VAE) 进行胚胎发育分类.
• 对VAE的超参数优化是使用增强喉优化 (BDTO) 技术实现的.

主要成果:

• 与现有方法相比,EDMCV-STBDTO技术在准确检测胚胎发育方面表现出卓越的性能.
• 使用基准数据集进行全面验证证实了该方法的有效性和效率.
• 在人工智能驱动的方法显示显著改善比传统的手动胚胎评估.

结论:

• EDMCV-STBDTO技术为辅助生殖中胚胎发育评估提供了一个强大而高效的基于人工智能的解决方案.
• 这种先进的计算机视觉方法有可能显著提高试管婴儿的成功率,并为发育生物学研究做出贡献.
• 该研究强调了人工智能和深度学习在现代生育治疗中的变革性影响.