基于时间切片视频的胚胎分级：通过互补时空模式挖掘
计算机视觉与模式识别
2025-06-06 v1
摘要
人工智能最近在体外受精（IVF）中自动化胚胎选择方面显示出前景。然而，当前方法要么针对缺乏整体质量评估的局部分项评估，要么针对受额外胚胎因素影响的临床结果，这两种限制都限制了临床实用性。为弥合这一差距，本文提出了一种新任务——视频基准胚胎分级，这是首个直接利用完整时长时间切片监测（TLM）视频预测胚胎学家整体质量评估的范式。为支持该任务，我们策划了一个由超过2500个TLM视频组成的真实世界临床数据集，每个视频都标注有表示胚胎整体质量的分级标签。基于临床决策原则，我们提出了互补时空模式挖掘（CoSTeM）框架，概念上复制了胚胎学家的评估过程。CoSTeM包含两个分支：（1）形态学分支使用混合交叉注意专家层和时序选择块以选择判别性局部结构特征，（2）形态动力学分支采用时序Transformer建模全局发育轨迹，协同集成静态与动态因素用于胚胎分级。大量实验结果表明，我们的设计优于其他方法。本工作为AI辅助胚胎选择提供了有价值的方法论框架。数据集和源代码将在论文接受后公开。
引用
@article{arxiv.2506.04950,
title = {Time-Lapse Video-Based Embryo Grading via Complementary Spatial-Temporal Pattern Mining},
author = {Yong Sun and Yipeng Wang and Junyu Shi and Zhiyuan Zhang and Yanmei Xiao and Lei Zhu and Manxi Jiang and Qiang Nie},
journal= {arXiv preprint arXiv:2506.04950},
year = {2025}
}