合并合成与真实胚胎数据以实现高级AI预测
图像与视频处理
2025-03-25 v2 计算机视觉与模式识别
摘要
准确的胚胎形态评估是辅助生殖技术中挑选最可行胚胎的关键。人工智能有潜力提升这一过程。然而，胚胎数据的有限可用性为训练深度学习模型带来了挑战。为此，我们使用两个生成模型训练了两个模型——一个我们创建并公开，一个是现有的公共数据集——生成various cell stages的合成胚胎图像，包括2细胞、4细胞、8细胞、囊胚和胚胎。这些图像与真实图像组合用于训练胚胎细胞阶段预测的分类模型。我们的结果表明，将合成图像与真实数据结合使用可提升分类性能，仅使用真实数据训练的模型达97%准确率，而仅用合成图像训练并在真实数据上测试时，模型也达到了92%的高准确率。值得注意的是，即使仅使用合成数据训练，模型在真实数据上的准确率也很高。此外， 将两个生成模型的合成数据组合使用，比使用单个生成模型的数据表现更好。四名胚胎学家通过图灵测试评估了合成图像的保真度，期间他们标注了不准确之处并提供了反馈。分析显示，扩散模型优于生成对抗网络，分别欺骗胚胎学家66.6% vs 25.3%，并实现更低的 Frechet inception distance 分数。
引用
@article{arxiv.2412.01255,
title = {Merging synthetic and real embryo data for advanced AI predictions},
author = {Oriana Presacan and Alexandru Dorobantiu and Vajira Thambawita and Michael A. Riegler and Mette H. Stensen and Mario Iliceto and Alexandru C. Aldea and Akriti Sharma},
journal= {arXiv preprint arXiv:2412.01255},
year = {2025}
}