Asistiendo a la evaluación de viabilidad del embrión humano mediante aprendizaje profundo para la fertilización in vitro
Autores: Ishaq, Muhammad; Raza, Salman; Rehar, Hunza; Abadeen, Shan e Zain ul; Hussain, Dildar; Naqvi, Rizwan Ali; Lee, Seung-Won
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Asistiendo a la evaluación de viabilidad del embrión humano mediante aprendizaje profundo para la fertilización in vitro
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Infertilidad
Fertilización in vitro
Componentes de blastocistos
Inteligencia artificial
Precisión de segmentación
Eficiencia computacional
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
La tasa creciente de infertilidad global es motivo de gran preocupación. La fecundación in vitro (FIV) minimiza significativamente la infertilidad al proporcionar un medio clínico alternativo para quedar embarazada. El éxito de la FIV depende principalmente de la evaluación y análisis de los componentes del blastocisto humano, como el blastocele (BC), la zona pelúcida (ZP), la masa celular interna (ICM) y el trofoblasto (TE). Los embriólogos realizan una evaluación morfológica de los componentes del blastocisto para la selección de embriones potenciales a utilizar en el proceso de FIV. La evaluación manual de los componentes del blastocisto es lenta, subjetiva y propensa a errores. Por lo tanto, los métodos basados en inteligencia artificial (IA) son muy deseables para mejorar la tasa de éxito y eficiencia de la FIV. En este estudio, se ha desarrollado una red de segmentación de blastocistos basada en la suplementación de características (FSBS-Net) para ofrecer una mayor precisión de segmentación de los componentes del blastocisto con menos carga computacional en comparación con los métodos de última generación. FSBS-Net utiliza un mecanismo efectivo de suplementación de características junto con bloques convolucionales de canal ascendente para detectar con precisión los píxeles de los componentes del blastocisto con una pérdida espacial mínima. El método propuesto se evaluó utilizando una base de datos abierta para la segmentación de componentes de blastocistos humanos y superó a los métodos de última generación en cuanto a precisión de segmentación y eficiencia computacional. FSBS-Net segmentó el BC, ZP, ICM, TE y fondo con valores de intersección sobre unión (IoU) del 89.15, 85.80, 85.55, 80.17 y 95.61%, respectivamente. Además, FSBS-Net logró un IoU promedio para todas las categorías del 87.26% con solo 2.01 millones de parámetros entrenables. Los resultados experimentales demuestran que el método propuesto podría ser de gran ayuda para asistir a los embriólogos en la evaluación morfológica de los componentes del blastocisto humano.
Descripción
La tasa creciente de infertilidad global es motivo de gran preocupación. La fecundación in vitro (FIV) minimiza significativamente la infertilidad al proporcionar un medio clínico alternativo para quedar embarazada. El éxito de la FIV depende principalmente de la evaluación y análisis de los componentes del blastocisto humano, como el blastocele (BC), la zona pelúcida (ZP), la masa celular interna (ICM) y el trofoblasto (TE). Los embriólogos realizan una evaluación morfológica de los componentes del blastocisto para la selección de embriones potenciales a utilizar en el proceso de FIV. La evaluación manual de los componentes del blastocisto es lenta, subjetiva y propensa a errores. Por lo tanto, los métodos basados en inteligencia artificial (IA) son muy deseables para mejorar la tasa de éxito y eficiencia de la FIV. En este estudio, se ha desarrollado una red de segmentación de blastocistos basada en la suplementación de características (FSBS-Net) para ofrecer una mayor precisión de segmentación de los componentes del blastocisto con menos carga computacional en comparación con los métodos de última generación. FSBS-Net utiliza un mecanismo efectivo de suplementación de características junto con bloques convolucionales de canal ascendente para detectar con precisión los píxeles de los componentes del blastocisto con una pérdida espacial mínima. El método propuesto se evaluó utilizando una base de datos abierta para la segmentación de componentes de blastocistos humanos y superó a los métodos de última generación en cuanto a precisión de segmentación y eficiencia computacional. FSBS-Net segmentó el BC, ZP, ICM, TE y fondo con valores de intersección sobre unión (IoU) del 89.15, 85.80, 85.55, 80.17 y 95.61%, respectivamente. Además, FSBS-Net logró un IoU promedio para todas las categorías del 87.26% con solo 2.01 millones de parámetros entrenables. Los resultados experimentales demuestran que el método propuesto podría ser de gran ayuda para asistir a los embriólogos en la evaluación morfológica de los componentes del blastocisto humano.