透明带消融人囊胚的图像分割
图像与视频处理
2020-08-21 v1 计算机视觉与模式识别
机器学习
摘要
自动化人类植入前胚胎评级通过提供新的定量和客观胚胎质量指标，有潜力提高体外受精（IVF）的成功率。当前IVF程序通常仅使用定性人工评级，在识别遗传异常胚胎方面存在局限。囊胚扩张的自动定量评估可通过更准确地识别遗传异常，潜在地提高持续妊娠率并降低异常妊娠带来的健康风险。囊胚的扩张速率是判定发育中胚胎质量的重要形态学特征。本工作提出了一种基于深度学习的人囊胚图像分割方法，旨在辅助完成分割形状不规则囊胚这一艰巨任务。此处评估的囊胚类型已接受透明带激光消融，这是滋养外胚层活检前所必需的。这使得扩张囊胚尺寸的手动测量变得复杂，而该尺寸与遗传异常相关。测试集上的实验结果表明，分割大幅提高了扩张测量的准确性，达到了高达99.4%的准确率、98.1%的精确率、98.8%的召回率、98.4%的Dice系数和96.9%的Jaccard指数。
引用
@article{arxiv.2008.08673,
title = {Image Segmentation of Zona-Ablated Human Blastocysts},
author = {Md Yousuf Harun and M Arifur Rahman and Joshua Mellinger and Willy Chang and Thomas Huang and Brienne Walker and Kristen Hori and Aaron T. Ohta},
journal= {arXiv preprint arXiv:2008.08673},
year = {2020}
}