用深度学习模型进行人类胚胎质量评估
Maryam Kalatehjari1, Younes Ghasemi2, Shaghayegh Mahmoudiandehkordi3
1Reproductive Sciences and Sexual Health Research Center, Isfahan University of Medical Sciences, Isfahan, Iran.
Journal of obstetrics and gynaecology of India
|June 30, 2025
概括
深度学习模型准确地评估了辅助生殖技术的胚胎质量. EfficientNetV2实现了95.26%的准确率,改善了生育治疗结果,并支持了未来的父母.
科学领域:
- 辅助生殖技术 (ART) 是一种辅助生殖技术.
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 胚胎质量评估对于成功的辅助生殖技术 (ART) 结果至关重要.
- 胚胎学家对胚胎的主观视觉分类可能会导致不一致.
- 深度学习为客观和可重复的胚胎评估提供了一条道路.
研究的目的:
- 研究深度学习模型在分类胚胎质量的有效性.
- 为了比较各种卷积神经网络 (CNN) 架构的性能.
- 确定在第3天和第5天阶段准确评估胚胎的最佳模型.
主要方法:
- 利用了来自Hung Vuong医院的胚胎图像数据集.
- 培训和评估了四个CNN架构:VGG-19,ResNet-50,InceptionV3和EfficientNetV2.2,这些架构包括:
- 使用准确性,精度和回忆指标评估模型性能.
主要成果:
- 在测试的模型中,EfficientNetV2获得了最高的性能.
- EfficientNetV2的准确率达到了95.26%,精度达到了96.30%,回忆率达到了97.25%.
- 深度学习模型,特别是EfficientNetV2,显示出对胚胎质量评估的一致性的潜力.
结论:
- EfficientNetV2是一个非常准确的工具,用于客观地评估胚胎质量.
- 这种人工智能驱动的方法可以提高生育治疗的效率.
- 客观的胚胎评估支持专家和未来的父母在生殖过程中.
