深度学习模型用于使用时间间隔成像对匹配的高质量胚胎进行胚胎选择

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:

• 在体外受精 (IVF) 实验室面临的挑战是选择最可行的胚胎进行移植.
• 时间间隔成像和深度学习为改善胚胎选择准确性提供了潜在的解决方案.

研究的目的:

• 开发和验证一种深度学习模型,用于预测试管婴儿胚胎植入成功.
• 为了利用自我监督的对比学习,对胚胎形态动力学进行全面分析.

主要方法:

• 一个深度学习模型是使用自主监督对比学习在460名患者的1580个胚胎视频上开发的.
• 该模型使用了卷积神经网络,语网络微调和XGBoost预测器.
• 一种新的方法使用了已知植入数据 (KID) 的胚胎与同一队列的不同植入命运相匹配.

主要成果:

• 该模型预测了随后的胚胎移植结果,AUC为0.57,当使用来自同一队列的先前移植数据时.
• 在没有先前的移植史的情况下,该模型在预测植入时实现了0.64的AUC.
• 该模型在预测植入成功方面表现令人满意.

结论:

• 开发的深度学习模型可以作为试管婴儿胚胎学家的辅助工具.
• 它有助于选择更可行的胚胎,可能减少不成功移植的数量.
• 这项技术可以通过优化胚胎选择过程来提高试管婴儿成功率.