論文の概要: Predicting DNA fragmentation: A non-destructive analogue to chemical assays using machine learning
- arxiv url: http://arxiv.org/abs/2409.13306v1
- Date: Fri, 20 Sep 2024 08:04:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 07:51:11.317456
- Title: Predicting DNA fragmentation: A non-destructive analogue to chemical assays using machine learning
- Title（参考訳）: 予測DNA断片化:機械学習を用いた化学測定法の非破壊的類似
- Authors: Byron A Jacobs, Ifthakaar Shaik, Frando Lin,
- Abstract要約: 世界の不妊率は増加しており、全出生の2.5%は2022年に体外受精(IVF)によって支えられている。
精子DNAの評価は伝統的に、IVFに対して精子細胞を不適格にする化学測定によって行われる。
最先端の機械学習の出現と、多くの分野における例外的なパフォーマンスにより、この研究はこれらの成功に基づいている。
精子の完全性を維持し、IVFのための精子の最適な選択を可能にする予測モデルをレンダリングする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Globally, infertility rates are increasing, with 2.5\% of all births being assisted by in vitro fertilisation (IVF) in 2022. Male infertility is the cause for approximately half of these cases. The quality of sperm DNA has substantial impact on the success of IVF. The assessment of sperm DNA is traditionally done through chemical assays which render sperm cells ineligible for IVF. Many compounding factors lead to the population crisis, with fertility rates dropping globally in recent history. As such assisted reproductive technologies (ART) have been the focus of recent research efforts. Simultaneously, artificial intelligence has grown ubiquitous and is permeating more aspects of modern life. With the advent of state-of-the-art machine learning and its exceptional performance in many sectors, this work builds on these successes and proposes a novel framework for the prediction of sperm cell DNA fragmentation from images of unstained sperm. Rendering a predictive model which preserves sperm integrity and allows for optimal selection of sperm for IVF.
- Abstract（参考訳）: 全世界では不妊率は増加しており、全出生の2.55%は2022年の体外受精(IVF)によって支えられている。
男性不妊は、これらの症例の約半数の原因である。
精子DNAの品質はIVFの成功に大きな影響を及ぼす。
精子DNAの評価は伝統的に、IVFに対して精子細胞を不適格にする化学測定によって行われる。
多くの複合要因が人口危機を招き、近年では全世界で出生率が低下している。
このような補助的生殖技術(ART)が最近の研究の焦点となっている。
同時に、人工知能はユビキタスに成長し、現代の生活の多くの側面に浸透している。
最先端の機械学習の出現と、多くの分野での例外的な性能を生かし、この研究はこれらの成功に基づき、不安定な精子の画像から精子のDNA断片化を予測する新しい枠組みを提案する。
精子の完全性を維持し、IVFのための精子の最適な選択を可能にする予測モデルをレンダリングする。
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) - BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments [112.25067497985447]
そこで,BioDiscoveryAgentを紹介した。このエージェントは,新しい実験を設計し,その結果の理由を明らかにし,仮説空間を効率的にナビゲートし,望ましい解に到達させる。
BioDiscoveryAgentは、機械学習モデルをトレーニングすることなく、新しい実験を独自に設計することができる。
6つのデータセットで関連する遺伝的摂動を予測することで、平均21%の改善が達成されている。
論文 参考訳（メタデータ） (2024-05-27T19:57:17Z) - Automated Sperm Assessment Framework and Neural Network Specialized for
Sperm Video Recognition [0.7499722271664147]
不妊は世界的な健康問題であり、多くのカップルが再生のために医療援助を求めている。
これまで、深層学習を用いた精子評価研究では、精子頭のみからなるデータセットが用いられてきた。
精子評価のためのビデオデータセットを構築した。そのビデオには、精子の頭と首と尾が含まれており、そのラベルにはソフトラベルが付与されている。
論文 参考訳（メタデータ） (2023-11-10T08:23:24Z) - Missing Information, Unresponsive Authors, Experimental Flaws: The
Impossibility of Assessing the Reproducibility of Previous Human Evaluations
in NLP [84.08476873280644]
13%の論文は (i) 再生の障壁が十分に低く、 (ii) 再生のために考慮すべき十分な入手可能な情報を持っていた。
その結果,コーディネート・リサーチ・デザインを再現的アプローチから標準化的・再生産的アプローチに変更しなければならなかった。
論文 参考訳（メタデータ） (2023-05-02T17:46:12Z) - Predicting Adverse Neonatal Outcomes for Preterm Neonates with
Multi-Task Learning [51.487856868285995]
われわれはまず, 3つの不良新生児結果の相関関係を解析し, マルチタスク学習(MTL)問題として複数の新生児結果の診断を定式化する。
特に、MTLフレームワークは、共有された隠れレイヤと複数のタスク固有のブランチを含んでいる。
論文 参考訳（メタデータ） (2023-03-28T00:44:06Z) - Improving Gender Fairness of Pre-Trained Language Models without
Catastrophic Forgetting [88.83117372793737]
元のトレーニングデータに情報を埋め込むことは、モデルの下流のパフォーマンスを大きなマージンで損なう可能性がある。
本稿では,GEnder Equality Prompt(GEEP)を提案する。
論文 参考訳（メタデータ） (2021-10-11T15:52:16Z) - 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) - 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) - 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) - 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) - Sperm Detection and Tracking in Phase-Contrast Microscopy Image
Sequences using Deep Learning and Modified CSR-DCF [0.0]
本稿では、オブジェクト検出器として、深層完全畳み込みニューラルネットワークであるRetinaNetを使用する。
検出フェーズの平均精度は99.1%であり、追跡方法のF1スコアは96.61%である。
これらの結果は精子の行動を研究し、受精の可能性を分析するのに非常に役立ちます。
論文 参考訳（メタデータ） (2020-02-11T00:38:47Z)
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。