論文の概要: Data-Driven Prediction of Embryo Implantation Probability Using IVF
Time-lapse Imaging
- arxiv url: http://arxiv.org/abs/2006.01035v2
- Date: Tue, 2 Jun 2020 14:02:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 06:23:14.520301
- Title: Data-Driven Prediction of Embryo Implantation Probability Using IVF
Time-lapse Imaging
- Title（参考訳）: IVF Time-lapse Imaging を用いた胚移植確率の予測
- Authors: David H. Silver, Martin Feder, Yael Gold-Zamir, Avital L. Polsky,
Shahar Rosentraub, Efrat Shachor, Adi Weinberger, Pavlo Mazur, Valery D.
Zukin, Alex M. Bronstein
- Abstract要約: 本稿では,胚発生時間ラプス画像から胚移植の確率を直接予測するために訓練された新しいデータ駆動システムについて述べる。
回顧的に収集した272個の胚のビデオを用いて, 胚学者の外部パネルと比較すると, 正の予測値が12%, 負の予測値が29%増加した。
- 参考スコア（独自算出の注目度）: 4.823616680520791
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The process of fertilizing a human egg outside the body in order to help
those suffering from infertility to conceive is known as in vitro fertilization
(IVF). Despite being the most effective method of assisted reproductive
technology (ART), the average success rate of IVF is a mere 20-40%. One step
that is critical to the success of the procedure is selecting which embryo to
transfer to the patient, a process typically conducted manually and without any
universally accepted and standardized criteria. In this paper we describe a
novel data-driven system trained to directly predict embryo implantation
probability from embryogenesis time-lapse imaging videos. Using retrospectively
collected videos from 272 embryos, we demonstrate that, when compared to an
external panel of embryologists, our algorithm results in a 12% increase of
positive predictive value and a 29% increase of negative predictive value.
- Abstract（参考訳）: 不妊に苦しむ人を助けるため、体外で人間の卵を受精させる過程は、in vitro fertilization (IVF)として知られている。
ART(assisted reproductive technology)の最も効果的な方法であるにもかかわらず、IVFの平均成功率は20-40%に過ぎない。
手順の成功に重要なステップの1つは、どの胚を患者に移植するかを選択することである。
本稿では,胚発生時間ラプス画像から胚移植確率を直接予測する新しいデータ駆動システムについて述べる。
回顧的に収集した272個の胚のビデオを用いて, 胚学者の外部パネルと比較すると, 正の予測値が12%, 負の予測値が29%増加した。
関連論文リスト
- Targeted Data Fusion for Causal Survival Analysis Under Distribution Shift [46.84912148188679]
因果推論は、科学的発見の一般化可能性、輸送性、複製性を改善する可能性がある。
既存のデータ融合手法はバイナリや連続的な結果に重点を置いている。
マルチソース因果サバイバル分析のための2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2025-01-30T23:21:25Z) - ILETIA: An AI-enhanced method for individualized trigger-oocyte pickup interval estimation of progestin-primed ovarian stimulation protocol [19.462250530822907]
体外受精胚移植(IVF-ET)は不妊症に対する最も一般的な治療法の1つである。
IVF-ETサイクルの間、トリガーショットと卵子ピックアップ(OPU)の時間間隔は卵胞成熟の重要な期間である。
本稿では,プロゲシンプリメード卵巣刺激(PPOS)プロトコルを施行した患者に対して,最適なトリガ-OPU間隔を予測できる最初の機械学習手法であるILETIAを提案する。
論文 参考訳（メタデータ） (2025-01-25T08:08:17Z) - A Foundational Generative Model for Breast Ultrasound Image Analysis [42.618964727896156]
基礎モデルは臨床現場で様々な課題に対処するための強力なツールとして登場した。
乳房超音波検査に特化して設計された最初の基礎的生成モデルであるBUSGenについて述べる。
BUSGenは、数ショットの適応で、現実的で情報に富んだタスク固有のデータのリポジトリを生成することができる。
論文 参考訳（メタデータ） (2025-01-12T16:39:13Z) - Embryo 2.0: Merging Synthetic and Real Data for Advanced AI Predictions [69.07284335967019]
2つのデータセットを使用して、2つの生成モデルをトレーニングします。
2-cell, 4-cell, 8-cell, morula, blastocyst など, 様々な細胞で合成胚画像を生成する。
これらは実画像と組み合わせて、胚細胞ステージ予測のための分類モデルを訓練した。
論文 参考訳（メタデータ） (2024-12-02T08:24:49Z) - Multimodal Learning for Embryo Viability Prediction in Clinical IVF [24.257300904706902]
In-Vitro Fertilization (IVF) では、妊娠成功の可能性を高めるために、最も生存可能な胚を同定することが重要である。
伝統的に、このプロセスは胚学者が光顕微鏡を用いて、特定の間隔で胚の静的な形態的特徴を手動で評価することを含む。
この手作業による評価は、専門的な分析を必要とするため、時間集約的でコストがかかるだけでなく、本質的に主観的でもあるため、選択プロセスにおける可変性がもたらされる。
論文 参考訳（メタデータ） (2024-10-21T01:58:26Z) - Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound
Imaging [61.60067283680348]
新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。
本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。
本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
論文 参考訳（メタデータ） (2022-12-15T14:34:12Z) - Developmental Stage Classification of EmbryosUsing Two-Stream Neural
Network with Linear-Chain Conditional Random Field [74.53314729742966]
発達段階分類のための2ストリームモデルを提案する。
従来の手法とは異なり、2ストリームモデルでは時間情報と画像情報の両方を受け付けている。
2つのタイムラプス胚ビデオデータセット上で,本アルゴリズムを実証する。
論文 参考訳（メタデータ） (2021-07-13T19:56:01Z) - Ethical Implementation of Artificial Intelligence to Select Embryos in
In Vitro Fertilization [41.52637932108825]
我々はIVFの紹介を行い、胚選択のためのAIの使用をレビューします。
本稿では, 報告結果の科学的, 実用的観点からの解釈に関する懸念について考察する。
我々は解釈可能なモデルの使用を強く主張する。
論文 参考訳（メタデータ） (2021-04-30T19:46:31Z) - Robust and generalizable embryo selection based on artificial
intelligence and time-lapse image sequences [0.0]
経時変化画像のみを用いた深層学習に基づく胚選択モデルが、患者年齢や臨床条件によってどのように機能するかを検討する。
このモデルは、115,832個の胚からなる18のIVFセンターからの大規模なデータセットに基づいて訓練および評価された。
完全自動化されたiDAScore v1.0モデルは、少なくとも最先端の手動胚選択モデルと同じくらいの性能を示した。
論文 参考訳（メタデータ） (2021-03-12T13:36:30Z) - Human Blastocyst Classification after In Vitro Fertilization Using Deep
Learning [0.0]
本研究は、1226個の胚の合計1084枚の画像を含む。
これらの画像は、胚を1から5に区別するヴェエック基準に基づいてラベル付けされ、破片の大きさと断片化の程度に基づいて評価された。
データセット上でトレーニング済みのResNet50を微調整することによる最良のモデルでは、91.79%の精度が得られます。
論文 参考訳（メタデータ） (2020-08-28T04:40:55Z) - Deep learning mediated single time-point image-based prediction of
embryo developmental outcome at the cleavage stage [1.6753684438635652]
クリーベージ段階の移行は、予後不良の患者や、資源制限された環境での妊娠センターにおいて有益である。
タイムラプスイメージングシステムは可能な解決策として提案されているが、コストが抑えられ、かさばる高価なハードウェアを必要とする。
本稿では, 遺伝的アルゴリズムと併用した訓練CNNを用いて, 切断段階におけるヒト胚の分類と選択の自動化システムについて報告する。
論文 参考訳（メタデータ） (2020-05-21T21:21:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。