卵细胞微观图像受精预测基于使用YOLOv8的第一极体形态学

科学领域:

• 生殖生物学 生殖生物学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 在体外受精 (IVF) 中,卵细胞的发育对于胚胎的生存能力和生育能力至关重要.
• 第一个极体 (PBI) 是影响卵细胞发育能力的潜在因素,尽管其作用仍在争论中.
• 精确预测受精成功和随后的胚胎发育在辅助生殖技术中至关重要.

研究的目的:

• 研究第一极体 (PBI) 与卵细胞发育能力之间的相关性.
• 开发和验证基于人工智能的管道,用于预测成功的卵细胞受精和发展到两个前核 (2PN) 阶段.
• 评估卷积神经网络 (CNN) 在分析微观卵子细胞图像中的实用性,用于预测目的.

主要方法:

• 开发了一个利用You Only Look Once (YOLO) 卷积神经网络 (CNN) 的管道,包括细分和分类模型.
• 采集了二元期II (MII) 卵子细胞的光显微镜图像,并使用CNN对PBI进行细分和切割.
• 然后将剪切的PBI图像输入到CNN分类中,以预测在细胞内质精子注射 (ICSI) 后成功开发2PN的可能性.

主要成果:

• 在1006张图像的数据集上,YOLOv8l-cls模型实现了高性能,精度为96.98%,灵敏度为95.69%,特异性为98.28%.
• 人工智能模型成功地预测了仅基于PBI图像分析的2PN开发潜力,而不需要额外的功能.
• 结果表明PBI特征与卵细胞发育潜力之间存在显著的相关性.

结论:

• 这项研究证明了AI,特别是YOLO CNNs在分析PBI形态来预测卵细胞发育能力方面的有效性.
• 开发的AI管道提供了一种非侵入性方法来评估卵细胞质量并预测IVF受精成功.
• 这些发现有助于更好地了解PBI在卵细胞发育中的作用,并对改善试管婴儿结果产生潜在影响.