人工智能与医学成像在IVF卵巢刺激中的集成综述
材料科学
2024-12-30 v1 超导电性
摘要
人工智能 (AI) 已成为增强决策和优化体外受精（IVF）治疗方案的强大工具。特别是AI在IVF过程中卵巢刺激阶段的决策支持方面显示出巨大的潜力。本综述评估了AI与医学成像结合用于卵巢刺激的研究，审查了方法、结果和当前局限性。我们分析了13项关于此主题的研究，结果显示，尽管AI算法在预测最佳激素剂量、触发时机和取卵结果方面展现出显著潜力，但所使用的医学成像数据主要来自二维（2D）超声，主要涉及基本定量，如卵泡大小和数量，仅有限地使用直接特征提取或高级图像分析技术。这指向了一个被不足够探索的机会，即在卵泡大小和数量的基础上，应用更先进的图像分析方法（如深度学习）和更多样的成像模式（如三维（3D）超声），以获取更深入的见解。此外，大多数研究缺乏可解释人工智能（XAI），这引起了关于AI驱动决策透明度和可追溯性的担忧——这些因素是临床采用和信任的关键因素。此外，许多研究依赖单中心设计和小数据集，这限制了其发现的普遍适用性。本综述强调了将先进的图像分析技术与可解释AI方法相结合的必要性，以及利用多中心合作和更大数据集的重要性。解决这些问题有望提升卵巢刺激管理，为高效、个性化、数据驱动的治疗路径铺路，从而改善IVF结果。
引用
@article{arxiv.2412.19687,
title = {DFT based comparative analysis of physical properties of binary metallic diborides XB$_2$ (X = Cr, Mo and W)},
author = {Razu Ahmed and Md. Sohel Rana and Md. Sajidul Islam and S. H. Naqib},
journal= {arXiv preprint arXiv:2412.19687},
year = {2024}
}