人工智能驱动的卵细胞评估:将细胞质特征与胚胎细胞发育相关联.

科学领域:

• 生殖生物学 生殖生物学
• 人工智能在医学中的应用
• 生物医学成像技术 生物医学成像技术

背景情况:

• 卵细胞质量对于成功受精和胚胎发育至关重要.
• 评估卵子质量的传统方法往往是主观的.
• 开发对卵细胞质量的客观,定量措施对于改善辅助生殖技术至关重要.

研究的目的:

• 开发一种由人工智能 (AI) 驱动的定量和可解释的方法来评估卵子质量.
• 分析细胞质形态和强度特征,以预测卵细胞发育能力.
• 建立一个标准化的,非侵入性的卵细胞评估方法.

主要方法:

• 从年轻和老老的小鼠收集了695张卵细胞图像.
• 在手动注释的细胞质区域上进行放射学分析,以提取形态和强度特征.
• 利用高斯混合模型根据细胞质特征对卵细胞进行聚类.

主要成果:

• 根据细胞质特征确定了三种不同的卵细胞亚型.
• 最球形和最紧的卵子细胞 (集群2) 显示出最大的胚胎细胞形成率 (42.9%).
• 由人工智能评估的卵细胞细胞质量被证明是发展潜力的更有信息的预测因素,而不仅仅是时间年龄.

结论:

• 细胞质特征是卵细胞发育能力的客观指标.
• 人工智能驱动的卵细胞形态和强度分析可以增强辅助生殖技术中的胚胎选择.
• 这种方法提供了一种标准化,非侵入性的卵细胞质量评估方法,有可能改善临床结果.