論文の概要: Time-Lapse Video-Based Embryo Grading via Complementary Spatial-Temporal Pattern Mining

• arxiv url: http://arxiv.org/abs/2506.04950v1
• Date: Thu, 05 Jun 2025 12:22:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.692729
• Title: Time-Lapse Video-Based Embryo Grading via Complementary Spatial-Temporal Pattern Mining
• Title（参考訳）: 相補的空間時間パターンマイニングによるタイムラプス映像ベース胚移植
• Authors: Yong Sun, Yipeng Wang, Junyu Shi, Zhiyuan Zhang, Yanmei Xiao, Lei Zhu, Manxi Jiang, Qiang Nie,
• Abstract要約: 本稿では,ビデオベースの胚移植法を提案する。フル長時間ラプスモニタリング(TLM)ビデオを直接利用して胚学者の全体的な品質評価を予測する,最初のパラダイムである。 この課題を支援するために,2500本以上のTLMビデオからなる実世界の臨床データセットを,胚の全体的な品質を示すグレーティングラベルで評価した。 この研究は、AI支援胚選択のための貴重な方法論的枠組みを提供する。
• 参考スコア（独自算出の注目度）: 24.521943129885347
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence has recently shown promise in automated embryo selection for In-Vitro Fertilization (IVF). However, current approaches either address partial embryo evaluation lacking holistic quality assessment or target clinical outcomes inevitably confounded by extra-embryonic factors, both limiting clinical utility. To bridge this gap, we propose a new task called Video-Based Embryo Grading - the first paradigm that directly utilizes full-length time-lapse monitoring (TLM) videos to predict embryologists' overall quality assessments. To support this task, we curate a real-world clinical dataset comprising over 2,500 TLM videos, each annotated with a grading label indicating the overall quality of embryos. Grounded in clinical decision-making principles, we propose a Complementary Spatial-Temporal Pattern Mining (CoSTeM) framework that conceptually replicates embryologists' evaluation process. The CoSTeM comprises two branches: (1) a morphological branch using a Mixture of Cross-Attentive Experts layer and a Temporal Selection Block to select discriminative local structural features, and (2) a morphokinetic branch employing a Temporal Transformer to model global developmental trajectories, synergistically integrating static and dynamic determinants for grading embryos. Extensive experimental results demonstrate the superiority of our design. This work provides a valuable methodological framework for AI-assisted embryo selection. The dataset and source code will be publicly available upon acceptance.
• Abstract（参考訳）: 人工知能は、最近、In-Vitro Fertilization (IVF)のための自動胚選択の可能性を示している。 しかしながら、現在のアプローチでは、全体的な品質評価が欠如している部分的な胚の評価に対処するか、必然的に外胚性因子によって構築された臨床結果に対処する。 このギャップを埋めるために、我々は、ビデオベース胚グラフディングと呼ばれる新しいタスクを提案する。これは、フル長時間ラプスモニタリング(TLM)ビデオを直接利用して、胚学者の全体的な品質評価を予測する最初のパラダイムである。 この課題を支援するために,2500本以上のTLMビデオからなる実世界の臨床データセットを,胚の全体的な品質を示すグレーティングラベルで評価した。 臨床意思決定の原則を基礎として, 胚学者の評価過程を概念的に再現する補完的空間時間パターンマイニング(CoSTeM)フレームワークを提案する。 本発明のCoSTeMは、(1)クロス・アテンティブ・エキスパート層とテンポラル・セレクションブロックを混合して識別的局所構造特徴を選択する形態分枝と、(2)テンポラル・トランスフォーマーを用いてグローバルな発達軌跡をモデル化し、相乗的に静的および動的決定因子を分解する形態分枝とを含む。 大規模な実験の結果は、我々の設計の優位性を示している。 この研究は、AI支援胚選択のための貴重な方法論的枠組みを提供する。 データセットとソースコードは、受理時に公開される。

関連論文リスト

• Pathological Prior-Guided Multiple Instance Learning For Mitigating Catastrophic Forgetting in Breast Cancer Whole Slide Image Classification [50.899861205016265]
  乳癌のWSI分類における破滅的忘れを緩和する新しい枠組みであるPaGMILを提案する。 私たちのフレームワークでは、共通のMILモデルアーキテクチャに2つの重要なコンポーネントを導入しています。 複数の乳がんデータセットを対象としたPaGMILの連続学習性能の評価を行った。
  論文  参考訳（メタデータ） (2025-03-08T04:51:58Z)
• Multimodal Outer Arithmetic Block Dual Fusion of Whole Slide Images and Omics Data for Precision Oncology [6.418265127069878]
  本稿では, 局所(パッチレベル)から大域(スライダーレベル)の相互作用の相補的な情報を取得するために, 早期・後期融合におけるオミック埋め込みの利用を提案する。 この二重融合戦略は、解釈可能性と分類性能を高め、臨床診断の可能性を強調している。
  論文  参考訳（メタデータ） (2024-11-26T13:25:53Z)
• 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)
• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Semi-supervised Body Parsing and Pose Estimation for Enhancing Infant General Movement Assessment [11.33138866472943]
  乳児運動ビデオ(IMV)の一般運動評価(GMA)は、乳幼児の脳性麻痺(CP)の早期発見に有効な方法である。 本稿では、画像シーケンス認識のためのエンドツーエンドのトレーニング可能なニューラルネットワークが、GMAの優れた結果を得るために適用可能であることを実証する。 本研究では,SiamParseNet(SPN)と呼ばれる半教師付きモデルを提案する。
  論文  参考訳（メタデータ） (2022-10-14T18:46:30Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• 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)

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。