从图像到洞察:细胞计数和第3天胚胎的统一分类
Nguyen Duy Tan1, Tran Phuong Huy2, Tran Thi Thanh Thuy2
1IC-IP Lab, Faculty of Information and Technology, Saigon University, Ho Chi Minh City, 70000, Viet Nam.
Computers in biology and medicine
|August 22, 2025
概括
这项研究引入了一种混合人工智能模型,用于精确的体外受精 (IVF) 胚胎分类,改善细胞计数和统一性评估,以便更好地选择胚胎.
科学领域:
- 胚胎学
- 人工智能
- 医学成像
背景情况:
- 在试管婴儿中手动分类的第3天胚胎是主观和不一致的.
- 2D成像限制了细胞计数和统一性评估的准确性.
- 观察者之间的变异性影响了可靠的胚胎选择.
研究的目的:
- 开发一种混合人工智能和图像处理方法,用于客观的试管婴儿胚胎评估.
- 提高胚芽细胞计数和统一性评估的准确性.
- 标准化胚胎分类以提高试管婴儿成功率.
主要方法:
- 集成的YOLOv8对象检测用于 бластомер定位.
- 使用渐变向量流 (GVF) 活动轮模型进行精确的边界精细化.
- 为了客观地评估细胞大小的变异性,引入了标准化的统一值 (NUV).
主要成果:
- 混合模型准确地量化细胞,并在具有挑战性的成像条件下评估均性.
- GVF-snake改善了边界划分和空间测量.
- NUV提供了可靠的胚胎分类指标.
结论:
- 开发了一种混合YOLOv8-GVF蛇模型,以提高胚胎分类的准确性.
- 在试管婴儿胚胎评估中降低了主观性和可变性.
- 建立NUV作为标准化试管婴儿决策的量化指标.
更多相关视频
11:25Quantitative Analysis of Protein Expression to Study Lineage Specification in Mouse Preimplantation Embryos
Published on: February 22, 2016
10.9K
08:06Author Spotlight: Evaluating the Impact of Immediate Partial Removal of Cumulus-Oocyte Complexes on Fertilization Efficiency and Embryo Quality
Published on: October 18, 2024
518
