[发明专利]胚胎分裂过程分析及妊娠率智能预测方法及系统

说明书

本发明公开了一种胚胎分裂过程分析及妊娠率智能预测方法及系统，所述方法包括：采集D1～D6时间内的胚胎图像；将胚胎图像输入原核个数预测网络模型、卵裂球个数预测网络模型、碎片比例预测网络模型、囊胚腔和内细胞团等级预测网络模型、滋养层等级预测网络模型计算并输出胚胎图像的预测原核个数、预测卵裂球个数、预测碎片比例、预测囊胚腔比例和预测内细胞团等级、预测滋养层等级；然后输入至胚胎妊娠率状态预测机器学习模型计算并输出胚胎妊娠率预测结果。本发明提出的智能预测方法和系统对胚胎发育的全过程进行监控，并利用综合评分函数计算得到胚胎妊娠率，预测过程中无需人工干预，可以帮助医生快速准确地对胚胎评分做出判断。

技术领域

本发明涉及胚胎形态学和人工智能技术领域，具体地是指一种胚胎分裂过程分析及妊娠率智能预测方法及系统。

背景技术

胚胎发育的好坏直接影响妊娠率的结果，胚胎学家依靠胚胎形态学和基因学两种主要途径对胚胎的好坏进行判别，其中利用基因学手段判别胚胎好坏需要具备极高的实验条件，而利用胚胎形态学信息完成胚胎的评判是一种简单快速有效的方法。目前，大部分胚胎学家根据自身长期的胚胎观察经验，通过获取胚胎在发育过程中一些重要的形态学特征变化信息完成对胚胎好坏的判别，并作为该胚胎后期移植成功率预测的一个重要依据。医生通常会选择胚胎授精后的D1-D6天时间段内作为观察期，获取观察期的重要的胚胎形态学特征信息，在这些形态学特征中，碎片、囊胚腔、内细胞团和滋养层等特征是医生对胚胎好坏评分的极其重要的因素，因此，利用计算机建立视觉模型帮助医生快速准确地对碎片、囊胚腔、内细胞团和滋养层等特征进行预测是一个极具意义的研究方向。然而，目前建立胚胎妊娠率智能预测系统还存在以下几个问题：

(1)在人工判别过程中，胚胎学家根据其对胚胎图像进行了很长时期的观察以及自身积累经验能够很好地完成对D1-D6时期内时差培养箱(Time lapse)中这些特征信息的判定。对于经验不足的医生来说，胚胎发育过程极为复杂，难免会出现因其主观因素对碎片区域判定、囊胚腔占比大小、内细胞团和滋养层等级评定造成误判情况，从而给胚胎好坏的判别带来偏差。因此，标准的胚胎标注数据集的缺乏是一个有待解决的基础问题。

(2)胚胎发育的过程极为复杂，一些传统的图像分析方法利用简单的人工设定的特征和机器学习模型对碎片区域的获取、囊胚腔占比计算、内细胞团和滋养层等级评定预测，其准确率较低，且实时性较差，不足以达到工程应用的要求；

(3)目前存在的预测碎片、囊胚腔、内细胞团和滋养层计算方法，仅在数据量规模较小且场景较为干净的数据集上进行训练和测试，其真实的有效性和适用性仍有待进一步验证。然而真实的细胞分裂过程是及其复杂的，这些传统的方法，在真实的胚胎序列上，检测结果并不理想，准确率低。

发明内容

本发明的目的在于克服现有技术中传统图像分析方法对碎片区域的获取、囊胚腔占比计算、内细胞团和滋养层等级评定，其准确率较低，且实时性较差的问题，而提出一种胚胎分裂过程分析及妊娠率智能预测方法及系统，通过构建有效的卵裂球个数预测AI模型，自动地完成对不同时期的卵裂球高层次特征提取、模型训练及预测，其准确率和识别效率得到大幅度提高。

为实现上述目的，本发明所设计的胚胎分裂过程分析及妊娠率智能预测方法，其特殊之处在于，所述方法包括如下步骤：

1)采集D1～D6时间内的胚胎图像；

2)将胚胎图像输入至原核个数预测网络模型、卵裂球个数预测模型、碎片比例预测网络模型、囊胚腔和内细胞团等级预测网络模型、滋养层等级预测网络模型；

3)所述原核个数预测网络模型计算并输出预测原核个数，所述卵裂球个数预测模型计算并输出预测卵裂球个数；所述碎片比例预测网络模型计算并输出碎片图像的预测碎片比例，所述囊胚腔和内细胞团等级预测网络模型计算并输出预测囊胚腔比例和预测内细胞团等级，所述滋养层等级预测网络模型计算并输出预测滋养层等级；