将深度学习与先进的功能工程结合起来,用于使用生物医学图像进行体外受精程序的胚胎评估
Sahar Mansour1, Mona Almofarreh2, Jahangir Khan3
1Department of Radiological Sciences, College of Health and Rehabilitation Sciences, Princess Nourah Bint Abdulrahman University, P.O. Box 84428, 11671, Riyadh, Saudi Arabia.
Scientific reports
|December 18, 2025
概括
这项研究引入了一个自动化胚胎分级系统,使用集体深度学习进行体外受精 (IVF). 新的EDLEVS-AFEBI模型显著提高了胚胎选择的准确性,提高了试管婴儿成功率和患者的结果.
科学领域:
- 生殖医学 生殖医学
- 人工智能的人工智能
- 生物医学成像技术 生物医学成像技术
背景情况:
- 体外受精 (IVF) 是用于不孕症治疗的关键辅助生殖技术.
- 低的试管婴儿成功率通常与胚胎质量差有关,需要精确的胚胎评估.
- 自动胚胎分类由于复杂的形态而复杂,对传统方法构成挑战.
研究的目的:
- 建议使用集体深度学习进行自动化胚胎分类方法,以改善试管婴儿的结果.
- 提高选择可行的胚胎成功植入和怀孕.
- 开发一个先进的功能工程系统用于生物医学图像在试管婴儿程序.
主要方法:
- 开发了一个集体深度学习启用胚胎评估系统 (EDLEVS-AFEBI).
- 图像预处理使用自适应高斯双边过器 (AGBF) 来降低噪声.
- 特性提取采用了改进的DenseNet模型,然后使用TCN,ENN和CVAE进行集体分类.
主要成果:
- 在胚胎分类中,EDLEVS-AFEBI模型实现了高精度99.39%.
- 该系统在微观图像数据集上的其他模型相比,表现出更高的性能.
- 先进的特征工程和集体学习有助于精确的胚胎质量评估.
结论:
- 拟议的自动化胚胎分类系统显著提高了IVF胚胎选择的准确性.
- 这种人工智能驱动的方法有可能提高植入成功率并降低医疗保健成本.
- EDLEVS-AFEBI模型在将深度学习应用于生殖医学方面取得了重大进展.
更多相关视频
08:33Author Spotlight: Strategies for Mounting Zebrafish Embryos for High-Resolution Multiview Light-Sheet Microscopy — Techniques for Imaging and Image Reconstruction
Published on: July 19, 2024
1.3K
11:25Quantitative Analysis of Protein Expression to Study Lineage Specification in Mouse Preimplantation Embryos
Published on: February 22, 2016
11.3K
