一个深度学习模型,用于预测分裂阶段人类胚胎的胚胎形成,使用时差图像
Kanak Kalyani1,2, Parag S Deshpande3
1Shri Ramdeobaba College of Engineering and Management, Ramdeobaba University, Nagpur, 440013, India. kalyanik@rknec.edu.
Scientific reports
|November 14, 2024
概括
使用新型深度学习模型预测早期人类胚胎的胚胎形成,可以提高辅助生殖技术 (ART) 的成功. 这种人工智能工具帮助胚胎学家选择第三天的胚胎进行移植,从而提高了怀孕率.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 胚胎学 胚胎学
背景情况:
- 辅助生殖技术 (ART) 的成功率可以通过优化胚胎选择来提高.
- 在第3天转移胚胎比第5天的胚胎转移有好处,包括减少实验室暴露和改善子宫环境整合.
- 预测早期胚胎的胚囊形成对于高效的ART临床工作流程至关重要.
研究的目的:
- 开发和验证一种新的深度学习模型,用于预测早期人类胚胎的胚胎囊形成.
- 评估模型的准确性,灵敏性和特异性,以预测胚胎细胞在受精后72小时 (HPI) 的发育.
- 提供人工智能驱动的工具,帮助胚胎学家选择可行的胚胎进行第3天的移植.
主要方法:
- 开发了一个新的ResNet-GRU深度学习模型.
- 该模型使用了从人类胚胎发育的0日到3天的时间间隔成像数据.
- 用验证准确度,灵敏度和特异性指标评估模型性能.
主要成果:
- 该ResNet-GRU模型实现了93%的验证准确度,从裂解阶段预测胚胎细胞形成.
- 该模型在预测中表现出高灵敏度 (0.97) 和特异性 (0.77).
- 在72 HPI时,可以预测胚胎细胞潜在的早期预测.
结论:
- 开发的深度学习模型准确地预测了早期人类胚胎的胚胎细胞形成.
- 这种人工智能工具可以帮助胚胎学家识别最佳胚胎进行第3天转移,从而有可能改善ART的结果.
- 实施这种模型可能会导致改善患者的治疗结果,并在生育治疗中增加怀孕率.
