論文の概要: Multi-Modal Artificial Intelligence of Embryo Grading and Pregnancy Prediction in Assisted Reproductive Technology: A Review

• arxiv url: http://arxiv.org/abs/2505.20306v1
• Date: Mon, 19 May 2025 07:07:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.153076
• Title: Multi-Modal Artificial Intelligence of Embryo Grading and Pregnancy Prediction in Assisted Reproductive Technology: A Review
• Title（参考訳）: 胚移植のマルチモーダル人工知能と生殖補助技術における妊娠予測
• Authors: Xueqiang Ouyang, Jia Wei,
• Abstract要約: 体外受精胚移植技術は、妊娠の成功率を改善する上で多くの課題に直面している。 本稿では,マルチモーダル人工知能の胚グレーディングおよび妊娠予測への応用状況について概説する。
• 参考スコア（独自算出の注目度）: 4.253222429730304
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a global disease, infertility has always affected human beings. The development of assisted reproductive technology can effectively solve this disease. However, the traditional in vitro fertilization-embryo transfer technology still faces many challenges in improving the success rate of pregnancy, such as the subjectivity of embryo grading and the inefficiency of integrating multi-modal data. Therefore, the introduction of artificial intelligence-based technologies is particularly crucial. This article reviews the application progress of multi-modal artificial intelligence in embryo grading and pregnancy prediction based on different data modalities (including static images, time-lapse videos and structured table data) from a new perspective, and discusses the main challenges in current research, such as the complexity of multi-modal information fusion and data scarcity.
• Abstract（参考訳）: 世界の病気として、不妊は常に人間に影響を与えてきた。 補助生殖技術の発達は、この病気を効果的に解決することができる。 しかし、従来の体外受精-胚移植技術は、胚グレーディングの主観性やマルチモーダルデータの統合の非効率性など、妊娠の成功率を改善する上で多くの課題に直面している。 したがって、人工知能技術の導入は特に重要である。 本稿では、異なるデータモダリティ(静的画像、タイムラプスビデオ、構造化テーブルデータを含む)に基づいて、胚のグレーティングと妊娠予測におけるマルチモーダル人工知能の適用状況について、新しい視点から概観し、マルチモーダル情報融合の複雑さやデータ不足など、現在の研究における主な課題について論じる。

関連論文リスト

• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
  異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。 近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。 この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
  論文  参考訳（メタデータ） (2025-06-11T03:29:18Z)
• Interpretation of Deep Learning Model in Embryo Selection for In Vitro Fertilization (IVF) Treatment [0.0]
  専門家の胚学者は、通常、胚を選別するためにブラストシストの画像をレビューすることで、胚を格付けする。 本研究では、畳み込みニューラルネットワーク(CNN)と長期記憶アーキテクチャ(LSTM)を融合した、胚を分類するための説明可能な人工知能フレームワークを提案する。 本モデルは,XAIによる解釈性を維持しつつ,胚の分類において高い精度を達成する。
  論文  参考訳（メタデータ） (2025-06-07T06:25:22Z)
• Shifting AI Efficiency From Model-Centric to Data-Centric Compression [67.45087283924732]
  AI研究の焦点は、モデル中心の圧縮からデータ中心の圧縮へとシフトしている、と私たちは主張する。 データ中心圧縮は、モデルトレーニングや推論中に処理されたデータのボリュームを直接圧縮することで、AI効率を向上させる。 我々の研究は、AIの効率性に関する新たな視点を提供し、既存の取り組みを合成し、コンテキスト長の増大によって引き起こされる課題に対処するためにイノベーションを触媒することを目的としています。
  論文  参考訳（メタデータ） (2025-05-25T13:51:17Z)
• Artificial Intelligence for Personalized Prediction of Alzheimer's Disease Progression: A Survey of Methods, Data Challenges, and Future Directions [0.8249694498830561]
  Alzheimer's Disease (AD) は、その進行の個人間変異が顕著である。 本総説は,個人化されたAD予後のための臨床関連AIツールの開発における現在の知識の統合と今後の取り組みを導くことを目的としている。
  論文  参考訳（メタデータ） (2025-04-29T21:45:28Z)
• Information Retrieval in the Age of Generative AI: The RGB Model [77.96475639967431]
  本稿では,生成型AIツールの利用の増加に伴って生じる複雑な情報ダイナミクスについて,新たな定量的アプローチを提案する。 本稿では,新たなトピックに応答して情報の生成,索引付け,普及を特徴付けるモデルを提案する。 以上の結果から,AI導入の急激なペースとユーザ依存度の増加は,不正確な情報拡散のリスクを増大させる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-04-29T10:21:40Z)
• Retrieval Augmented Generation and Understanding in Vision: A Survey and New Outlook [85.43403500874889]
  Retrieval-augmented Generation (RAG) は人工知能(AI)において重要な技術である。 具体化されたAIのためのRAGの最近の進歩は、特に計画、タスク実行、マルチモーダル知覚、インタラクション、特殊ドメインの応用に焦点を当てている。
  論文  参考訳（メタデータ） (2025-03-23T10:33:28Z)
• From large language models to multimodal AI: A scoping review on the potential of generative AI in medicine [40.23383597339471]
  マルチモーダルAIは、イメージング、テキスト、構造化データを含む多様なデータモダリティを単一のモデルに統合することができる。 このスコーピングレビューは、マルチモーダルAIの進化を探求し、その方法、アプリケーション、データセット、臨床環境での評価を強調している。 診断支援,医療報告生成,薬物発見,会話型AIの革新を推進し,一過性のアプローチからマルチモーダルアプローチへのシフトを示唆した。
  論文  参考訳（メタデータ） (2025-02-13T11:57:51Z)
• A Review on the Integration of Artificial Intelligence and Medical Imaging in IVF Ovarian Stimulation [0.0]
  人工知能(AI)は、インビトロ受精(IVF)における意思決定と治療プロトコルを最適化するための強力なツールとして登場した。 本総説では, 卵巣刺激に対する医療画像とAIの併用について検討する。
  論文  参考訳（メタデータ） (2024-12-27T15:29:08Z)
• 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)
• Artificial intelligence techniques in inherited retinal diseases: A review [19.107474958408847]
  遺伝性網膜疾患(英: InheritedRetinal disease、IRD)は、進行性視力低下を引き起こす多様な遺伝性疾患群であり、労働年齢層の視覚障害の主要な原因である。 人工知能(AI)の最近の進歩は、これらの課題に対する有望な解決策を提供する。 このレビューは既存の研究を統合し、ギャップを特定し、IRDの診断と管理におけるAIの可能性の概要を提供する。
  論文  参考訳（メタデータ） (2024-10-10T03:14:51Z)
• Practical Applications of Advanced Cloud Services and Generative AI Systems in Medical Image Analysis [17.4235794108467]
  本稿では、医用画像における生成AIの変換可能性について考察し、合成ACM-2データを生成する能力を強調した。 データセットのサイズと多様性の制限に対処することにより、これらのモデルはより正確な診断と患者の結果の改善に寄与する。
  論文  参考訳（メタデータ） (2024-03-26T09:55:49Z)
• Data Augmentation in Human-Centric Vision [54.97327269866757]
  本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。 それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。 我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
  論文  参考訳（メタデータ） (2024-03-13T16:05:18Z)
• Causal machine learning for single-cell genomics [94.28105176231739]
  単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。 まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。 次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
  論文  参考訳（メタデータ） (2023-10-23T13:35:24Z)
• Genetic InfoMax: Exploring Mutual Information Maximization in High-Dimensional Imaging Genetics Studies [50.11449968854487]
  遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。 画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。 本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
  論文  参考訳（メタデータ） (2023-09-26T03:59:21Z)
• The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
  機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。 ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
  論文  参考訳（メタデータ） (2023-07-09T21:16:56Z)
• Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
  本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。 アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
  論文  参考訳（メタデータ） (2023-05-25T16:29:16Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)

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。