基于深度学习的人工受精后人类囊胚分类
图像与视频处理
2020-08-31 v1 计算机视觉与模式识别
摘要
体外受精（IVF）后的胚胎质量评估主要由胚胎学家目视进行。然而，评估者间差异仍是IVF低成功率的主要原因之一。本研究旨在基于深度学习模型开发一种自动化胚胎评估方法。本研究共包含来自1226个胚胎的1084张图像。图像于受精后第3天由倒置显微镜捕获。图像依据Veeck标准进行标注，该标准根据卵裂球大小和碎片等级将胚胎区分为1至5级。我们将深度学习的分级结果与受训胚胎学家的分级结果进行比较以评估模型性能。我们在数据集上微调预训练的ResNet50得到的最佳模型达到了91.79%的准确率。所提出的模型可发展为床旁场景中的自动化胚胎评估方法。
引用
@article{arxiv.2008.12480,
title = {Human Blastocyst Classification after In Vitro Fertilization Using Deep Learning},
author = {Ali Akbar Septiandri and Ade Jamal and Pritta Ameilia Iffanolida and Oki Riayati and Budi Wiweko},
journal= {arXiv preprint arXiv:2008.12480},
year = {2020}
}