使用时隔成像进行人类胚胎评估的深度学习应用:范围审查

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:

• 深度学习 (DL) 和时间延迟成像 (TLI) 的协同作用为在临床体外受精 (IVF) 中改进胚胎评估和选择提供了新的机会.
• 传统的胚胎评估方法可能是主观的;TLI提供持续监测,DL提供先进的分析能力来解释这些复杂的数据.
• 这些技术的越来越多的应用意味着在辅助生殖技术中转向更客观和数据驱动的方法.

研究的目的:

• 进行范围审查,探索深度学习模型在使用时差成像系统评估和选择胚胎中的多种应用.
• 综合目前DL辅助胚胎分析领域的研究趋势,方法和发现.
• 确定DL已经应用的关键领域,并突出潜在的未来研究方向.

主要方法:

• 在六个电子数据库 (Scopus,MEDLINE,EMBASE,ACM数字图书馆,IEEE Xplore,Google Scholar) 进行了全面的搜索,搜索到2024年5月之前发表的同行评审文献.
• 该审查遵循了PRISMA范围审查指南,确保系统和透明的方法.
• 在审查了最初识别的773项研究后,包括了777篇文章.

主要成果:

• 胚胎分析中的深度学习应用在过去四年中激增,主要用于预测胚胎发育/质量 (61%) 和怀孕 (35%) 等临床结果.
• 卷积神经网络 (CNN) 是占主导地位的DL架构 (81%),利用时差视频图像 (100%) 作为训练数据,经常补充临床参数.
• 研究在样本大小上有显著的差异,平均为10,485个胚胎,主要使用胚胎细胞阶段图像 (47%).

结论:

• 深度学习证明了在临床试管婴儿中提高胚胎评估和选择的巨大潜力,提供了更客观和更具预测性的见解.
• 这些发现强调了DL在解释时间延迟成像的复杂胚胎学数据方面的日益重要和多样化的实用性.
• 未来的研究应该专注于标准化数据收集,探索多种DL架构,并验证模型以改善临床应用和患者结果.