监督和半监督的胚胎细胞细分的一个类内和类间的背景和一致性网络.
Hua Wang1,2, Linwei Qiu1,2, Jingfei Hu3
1School of Biological Science and Medical Engineering, Beihang University, Beijing, China.
Scientific reports
|October 9, 2025
概括
这项研究介绍了I2C2Net,这是一种用于细分人类胚胎囊胚细胞的新框架. 它通过监督和半监督学习提高了准确性,优于现有方法,以更好地评估胚胎质量.
科学领域:
- 生殖医学和胚胎学
- 医学图像分析 医学图像分析
- 医疗保健中的人工智能
背景情况:
- 胚胎细胞质量对于胚胎植入潜力至关重要.
- 准确识别胚胎细胞形态对于客观评估至关重要.
- 当前的细分方法在捕获复杂的组织结构时可能缺乏精度.
研究的目的:
- 探索半监督学习 (SSL) 以提高胚胎细胞细分.
- 调查所有胚胎细胞组织之间的结构关联.
- 为了提高胚胎囊组织细分的性能.
主要方法:
- 开发了I2C2Net,这是一个利用监督和半监督学习的框架,用于自动布拉斯托囊细分.
- 集成的类内上下文模块 (IACCM) 和类间上下文模块 (IRCCM) 用于特征聚合和形态理解.
- 引入了监督培训的一致性模块 (CM) 和解决数据稀缺问题的半监督方法.
主要成果:
- 与监督方法相比,I2C2Net在准确度,精度,回忆,子和Jaccard指数方面取得了最先进的表现.
- 半监督的I2C2Net在其他SSL方法中表现出优异的结果,在准确性,精度,子和Jaccard指数中获得了显著的收益.
- 废弃性研究证实了拟议的IACM,IRCCM和CM模块的有效性.
结论:
- I2C2Net有效地对人类胚胎囊胚进行细分,通过其独特的上下文模块提高了精度.
- 半监督版本的I2C2Net提供了一个强大的解决方案,用于临床应用程序有限的注释数据.
- 该框架显示了细分指标的显著改进,突出了其对客观胚胎质量评估的潜力.


