临床IVF中基于多模态学习的胚胎可存活性预测
计算机视觉与模式识别
2024-10-22 v1 机器学习
摘要
在临床体外受精(IVF)中，识别最可存活的胚胎进行移植对于增加成功妊娠的可能性至关重要。传统方法涉及胚胎学家在特定时间点使用光学显微镜手动评估胚胎的静态形态特征。这种手动评估不仅耗时且成本高昂，需要专家分析，而且本质上是主观的，导致选择过程存在变异性。为解决这些挑战，我们开发了一种多模态模型，利用时间序列视频数据和电子健康记录(EHR)来预测胚胎可存活性。我们研究的主要挑战之一是有效地组合时间序列视频和EHR数据，由于其固有的模态差异。我们全面分析了各种模态输入和集成方法的多模态模型。我们的做法将为临床IVF的规模化快速自动化胚胎可存活性预测提供支持。
引用
@article{arxiv.2410.15581,
title = {Multimodal Learning for Embryo Viability Prediction in Clinical IVF},
author = {Junsik Kim and Zhiyi Shi and Davin Jeong and Johannes Knittel and Helen Y. Yang and Yonghyun Song and Wanhua Li and Yicong Li and Dalit Ben-Yosef and Daniel Needleman and Hanspeter Pfister},
journal= {arXiv preprint arXiv:2410.15581},
year = {2024}
}
备注
Accepted to MICCAI 2024