用于胚胎 Blastocyst 评分预测的多任务嵌入方法（MEmEBG）
计算机视觉与模式识别
2026-04-16 v1 人工智能
摘要
可靠评估胚胎质量对于 ivf 治疗的成功至关重要。当前胚胎评分实践主要依赖于对形态特征的视觉评估，这引入了主观性、胚内学家之间的变异性以及挑战在 standardizing 质量保证。本研究提出了一种基于多任务嵌入的方法，用于自动化分析和预测关键胚胎组件的预测，包括 trophoblast（TE）、内细胞质（ICM）以及胚胎扩张（EXP）。该方法利用从第 5 天人类胚胎图像中提取的生物学和物理特征。采用增强嵌入层的预训练 ResNet-18 架构，用于从有限数据集中学习判别性表示，并自动识别 TE 和 ICM 区域及其相应的评分，这些区域在视觉上相似且本质上难以区分。实验结果表明，多任务嵌入方法具有潜力，可实现稳健且一致的胚胎质量评估。
引用
@article{arxiv.2604.13217,
title = {Multitasking Embedding for Embryo Blastocyst Grading Prediction (MEmEBG)},
author = {Nahid Khoshk Angabini and Mohsen Tajgardan and Mahesh Madhavan and Zahra Asghari Varzaneh and Reza Khoshkangini and Thomas Ebner},
journal= {arXiv preprint arXiv:2604.13217},
year = {2026}
}