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
- 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) - 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) - 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)
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。