相关实验视频
Updated: Jan 11, 2026
10:59
Human Blastocyst Biopsy and Vitrification
Published on: July 26, 2019
23.5K
使用整体机器学习技术选择用于试管婴儿治疗的人类胚胎
A Chaudhari1, A Mahajan2, S Nainan1
1Mukesh Patel School of Technology Management & Engineering, SVKM's NMIMS University Bhakti Vedant Marg, opp. Cooper Hospital, Navpada, Suvarna Nagar, Vile Parle West, Mumbai, Maharashtra 400056, India.
Morphologie : bulletin de l'Association des anatomistes
|November 19, 2025
概括
这项研究介绍了用于体外受精 (IVF) 胚胎选择的AI框架. 该系统使用图像分析和机器学习准确评估胚胎质量,提高了不孕症治疗的成功率.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 胚胎选择对于体外受精 (IVF) 成功至关重要,但是主观的,依赖于胚胎学家的专业知识.
- 目前用于胚胎评估的方法缺乏客观性和一致性,可能会影响试管婴儿的结果.
研究的目的:
- 开发一个全面的AI驱动的框架,用于客观的胚胎质量评估.
- 提高试管婴儿程序中胚胎选择的准确性和可靠性.
主要方法:
- 图像预处理第三天的胚胎和胚芽细胞.
- 使用局部描述符提取多面图像特征.
- 通过 Extra Trees 分类器进行特征选择,并使用 1D-Convolutional 神经网络 (1D-CNN) 进行深度特征提取.
- 一组分类器取代了1D-CNN的最后层,用于稳健的胚胎质量确定.
主要成果:
- 拟议的AI框架实现了高准确率:93%的囊胚和98%的第3天胚胎数据集.
- 1D-CNN 增强了功能解释性和预测能力.
- 集合分类器方法提供了一个强大的决策框架.
结论:
- 开发的AI框架对现有的胚胎质量评估方法提供了显著的改进.
- 这种客观方法有可能提高试管婴儿治疗的成功率.
- 该研究强调了将先进的图像分析与机器学习相结合用于生殖医学应用的有效性.
更多相关视频
10:04A Neural Network-Based Identification of Developmentally Competent or Incompetent Mouse Fully-Grown Oocytes
Published on: March 3, 2018
7.1K
05:13Author Spotlight: Advancing Therapeutic Strategies for Improving Pregnancy Rates by Analyzing Embryo-Endometrium Interactions
Published on: June 21, 2024
1.6K
