基于机器学习的哺乳动物卵丘卵母细胞复合体分级用于体外胚胎培养
计算机视觉与模式识别
2019-01-11 v1 图像与视频处理
医学物理
摘要
视觉观察卵丘卵母细胞复合体仅能提供关于其功能能力的有限信息，而分子评估方法繁琐或昂贵。哺乳动物卵母细胞的图像分析可提供应对此挑战的诱人替代方案。然而，鉴于待检卵母细胞数量巨大以及用于识别所检查特征的主观性，该分析很复杂。有监督机器学习方法（如随机森林）结合专家生物学家的标注可使分析任务标准化并减少被试间变异性。我们提出一个半自动框架，用于预测卵母细胞所属类别，该框架基于采集的显微图像进行多目标参数化分割，随后使用随机森林进行基于特征的分类。
引用
@article{arxiv.1603.01739,
title = {Grading of Mammalian Cumulus Oocyte Complexes using Machine Learning for in Vitro Embryo Culture},
author = {Viswanath P Sudarshan and Tobias Weiser and Phalgun Chintala and Subhamoy Mandal and Rahul Dutta},
journal= {arXiv preprint arXiv:1603.01739},
year = {2019}
}
备注
IEEE BHI 2016