BlastDiffusion：一种潜在扩散模型，用于生成合成胚胎图像以解决体外受精中的数据稀缺问题
定量方法
2025-06-18 v1
摘要
准确识别发育至囊胚阶段的卵母细胞对生殖医学至关重要，但可用的高质量标注胚胎图像的有限供应对开发自动化诊断工具构成了挑战。为解决这一问题，我们提出了BlastDiffusion，一种基于潜在扩散模型（LDM）的生成模型，可根据发育结果合成逼真的卵母细胞图像。我们的方法利用预训练的变分自编码器（VAE）进行潜在空间表示，并结合扩散过程生成能够区分发育至囊胚阶段的卵母细胞与未发育至该阶段的卵母细胞的图像。与我们为此任务训练的基于GAN的模型Blastocyst-GAN相比，BlastDiffusion取得了更优的性能，全局Frechet Inception距离（FID）为94.32，显著优于Blastocyst-GAN的FID 232.73。此外，我们的模型在感知相似性（LPIPS）和结构相似性（SSIM）方面也优于真实卵母细胞图像。定性分析进一步表明，BlastDiffusion能够捕捉与发育结果相关的关键形态学差异。这些结果凸显了扩散模型在生殖医学中的潜力，为数据增强和自动化胚胎评估提供了有效工具。
引用
@article{arxiv.2506.13843,
title = {BlastDiffusion: A Latent Diffusion Model for Generating Synthetic Embryo Images to Address Data Scarcity in In Vitro Fertilization},
author = {Alejandro Golfe and Natalia P. García-de-la-puente and Adrián Colomer and Valery Naranjo},
journal= {arXiv preprint arXiv:2506.13843},
year = {2025}
}