論文の概要: Deep learning mediated single time-point image-based prediction of
embryo developmental outcome at the cleavage stage
- arxiv url: http://arxiv.org/abs/2006.08346v1
- Date: Thu, 21 May 2020 21:21:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 00:12:23.583453
- Title: Deep learning mediated single time-point image-based prediction of
embryo developmental outcome at the cleavage stage
- Title（参考訳）: 深層学習による単一時間点画像による開裂期胚発生の予測
- Authors: Manoj Kumar Kanakasabapathy, Prudhvi Thirumalaraju, Charles L Bormann,
Raghav Gupta, Rohan Pooniwala, Hemanth Kandula, Irene Souter, Irene
Dimitriadis, Hadi Shafiee
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.6753684438635652
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In conventional clinical in-vitro fertilization practices embryos are
transferred either at the cleavage or blastocyst stages of development.
Cleavage stage transfers, particularly, are beneficial for patients with
relatively poor prognosis and at fertility centers in resource-limited settings
where there is a higher chance of developmental failure in embryos in-vitro.
However, one of the major limitations of embryo selections at the cleavage
stage is the availability of very low number of manually discernable features
to predict developmental outcomes. Although, time-lapse imaging systems have
been proposed as possible solutions, they are cost-prohibitive and require
bulky and expensive hardware, and labor-intensive. Advances in convolutional
neural networks (CNNs) have been utilized to provide accurate classifications
across many medical and non-medical object categories. Here, we report an
automated system for classification and selection of human embryos at the
cleavage stage using a trained CNN combined with a genetic algorithm. The
system selected the cleavage stage embryo at 70 hours post insemination (hpi)
that ultimately developed into top-quality blastocyst at 70 hpi with 64%
accuracy, outperforming the abilities of embryologists in identifying embryos
with the highest developmental potential. Such systems can have a significant
impact on IVF procedures by empowering embryologists for accurate and
consistent embryo assessment in both resource-poor and resource-rich settings.
- Abstract（参考訳）: 従来の体外受精の慣行では、胚は発生の開裂期か胚盤胞期のいずれかに移される。
特に開裂段階の移植は、比較的予後の悪い患者や、胚の胎生期における発達不全の確率が高い、資源制限された環境での妊婦中心の患者にとって有益である。
しかし、切断段階における胚選択の大きな制限の1つは、発達の結果を予測するために、非常に少ない数の手動で識別可能な特徴が利用できることである。
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、重厚で高価なハードウェアが必要であり、労働集約的である。
畳み込みニューラルネットワーク(CNN)の進歩は、多くの医学的および非医学的対象カテゴリの正確な分類を提供するために利用されてきた。
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。
このシステムでは,70時間後,70時間後の胚胚を選抜し,最終的に64%の精度で最高品質の胚盤胞に成長し,発生能の高い胚を同定する能力を上回った。
このようなシステムは、資源不足と資源豊富な設定の両方において、胚学者を正確で一貫した胚評価に活用することで、IVFの手順に大きな影響を与える可能性がある。
関連論文リスト
- 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) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - Deep metric learning improves lab of origin prediction of genetically
engineered plasmids [63.05016513788047]
遺伝工学の属性(GEA)は、配列-ラブの関連を作る能力である。
本稿では,計量学習に基づいて,最も可能性の高い実験室をランク付けする手法を提案する。
我々は、特定の実験室のプラスミド配列のキーシグネチャを抽出することができ、モデル出力の解釈可能な検査を可能にする。
論文 参考訳（メタデータ） (2021-11-24T16:29:03Z) - 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) - 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) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Image Segmentation of Zona-Ablated Human Blastocysts [0.0]
この研究の目的は、不規則な形をした胚盤胞を分断する難しい作業を促進することである。
実験結果から, セグメンテーションは拡張測定の精度を大幅に向上させることが示された。
論文 参考訳（メタデータ） (2020-08-19T21:20:02Z) - Data-Driven Prediction of Embryo Implantation Probability Using IVF
Time-lapse Imaging [4.823616680520791]
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。
論文 参考訳（メタデータ） (2020-06-01T16:04:08Z) - Automated Measurements of Key Morphological Features of Human Embryos
for IVF [22.121065811969473]
タイムラプス顕微鏡は、胚を選択するための豊富な情報を提供する。
ここでは,5つの畳み込みニューラルネットワーク(CNN)の機械学習パイプラインを用いて,ヒト胚の時間分解顕微鏡の特徴抽出を自動化する。
我々のアプローチは、胚の選別に役立つ量的、生物学的に関連のある特徴の測定を大幅に高速化する。
論文 参考訳（メタデータ） (2020-05-29T20:27:17Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z)
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。