基于深度学习介导的单时间点图像预测卵裂期胚胎发育结局
组织与器官
2020-06-16 v1 计算机视觉与模式识别
图像与视频处理
摘要
在常规临床体外受精实践中，胚胎或在卵裂期或在囊胚期进行移植。尤其是卵裂期移植，对预后相对较差的患者以及资源有限环境中胚胎体外发育失败率较高的生殖中心有益。然而，卵裂期胚胎选择的主要局限之一是可用的、可人工辨别的预测发育结局的特征极少。尽管已提出延时成像系统作为可能的解决方案，但其成本高昂，需要庞大且昂贵的硬件并耗费大量人力。卷积神经网络（CNNs）的进展已被用于在许多医学与非医学对象类别上提供准确分类。在此，我们报告了一种使用训练好的 CNN 结合遗传算法在卵裂期对人类胚胎进行分类与选择的自动化系统。该系统在受精后 70 小时（hpi）选出卵裂期胚胎，其最终在 70 hpi 发育为顶级质量囊胚的准确率为 64%，优于胚胎学家识别具有最高发育潜能胚胎的能力。此类系统可通过赋能胚胎学家在资源匮乏与资源丰富的环境中进行准确且一致的胚胎评估，对 IVF 程序产生重大影响。
引用
@article{arxiv.2006.08346,
title = {Deep learning mediated single time-point image-based prediction of embryo developmental outcome at the cleavage stage},
author = {Manoj Kumar Kanakasabapathy and Prudhvi Thirumalaraju and Charles L Bormann and Raghav Gupta and Rohan Pooniwala and Hemanth Kandula and Irene Souter and Irene Dimitriadis and Hadi Shafiee},
journal= {arXiv preprint arXiv:2006.08346},
year = {2020}
}