CN115036021A - 一种基于空间动力学参数的胚胎发育监控方法 - Google Patents
一种基于空间动力学参数的胚胎发育监控方法 Download PDFInfo
- Publication number
- CN115036021A CN115036021A CN202210651932.7A CN202210651932A CN115036021A CN 115036021 A CN115036021 A CN 115036021A CN 202210651932 A CN202210651932 A CN 202210651932A CN 115036021 A CN115036021 A CN 115036021A
- Authority
- CN
- China
- Prior art keywords
- embryo
- development
- parameters
- monitoring
- kinetic parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 230000013020 embryo development Effects 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 210000001161 mammalian embryo Anatomy 0.000 claims abstract description 79
- 238000011161 development Methods 0.000 claims abstract description 28
- 230000018109 developmental process Effects 0.000 claims abstract description 28
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 230000035935 pregnancy Effects 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000007405 data analysis Methods 0.000 claims abstract description 9
- 230000004660 morphological change Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 208000037805 labour Diseases 0.000 claims 1
- 238000003362 morphology assessment method Methods 0.000 claims 1
- 210000002257 embryonic structure Anatomy 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000009027 insemination Effects 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000625 blastula Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012364 cultivation method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002611 ovarian Effects 0.000 description 1
- 230000032696 parturition Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30044—Fetus; Embryo
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Radiology & Medical Imaging (AREA)
- Primary Health Care (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明属于辅助生殖技术领域,公开了一种基于空间动力学参数的胚胎发育监控方法,基于空间动力学参数的胚胎发育监控方法包括:利用AI结合时差摄像装置获取胚胎整个发育过程的图像数据,得到胚胎发育的动态图像;基于人工智能技术筛选得到胚胎特定时间节点的形态变化参数,得到胚胎的发育曲线;利用计算机计算得到不同胚胎发育的数据曲线,并与每个胚胎移植后的妊娠结局相结合,再利用大数据分析技术得到胚胎空间动力学参数对于胚胎发育潜力以及妊娠预测结果。本发明的基于空间动力学参数的胚胎发育监控方法节约人力成本,提高评价效率。
Description
技术领域
本发明属于辅助生殖技术领域,尤其涉及一种基于空间动力学参数的胚胎发育监控方法。
背景技术
目前,辅助生殖技术中的胚胎发育潜能以及胚胎质量的评价将直接影响胚胎移植的选择和辅助生殖的临床结局。胚胎形态学评估方法由于其快速、无创、简单等特点而在临床得到广泛应用。
其他评估系统如胚胎有创和无创的遗传学检查、胚胎代谢组法、蛋白质组法、转录法学及基因组法等已经有所发展,这些方法或对胚胎造成创伤,或经济成本高昂,或准确率符合率不高,并不能完全说明胚胎的发育潜能,仍需结合胚胎形态学来评估胚胎潜力。目前我国的医疗资源仍较紧张,例如,一个植入前胚胎遗传学诊断的胚胎所耗费的时间金钱可能三倍到五倍于普通胚胎,所以以上技术在临床上应用难以全面推广,寻找简便,快速,经济有效的评价体系就尤为重要。
胚胎形态学评分方法是对不同发育时期的胚胎进行形态学评分,包括授精后16~20h原核期胚胎、移植后第3天(day3,D3)胚胎及囊胚。胚胎原核期通常出现在授精后16~20h。
传统的形态学评价仅能从胚胎学家观测胚胎发育的几个时间点进行采图分析,胚胎发育是连贯持续的,在胚胎学家没有观测的时间段内,胚胎的发育是否正常,发育过程中的形态学变化也是反映胚胎发育潜能的重要指标。目前,常用的胚胎形态学评分方法,需要将胚胎从培养箱中取出进行观察,这样会因为培养环境改变而不利于胚胎发育。为此,胚胎学连续观察设备可解决上述问题。另外,胚胎的形态学是在二维平面的照片基础上进行细胞个数、大小、碎片率、排列方式的评价,但胚胎是立体的生命,所以从空间三维上的评价能更加全面系统评估胚胎发育潜力。
传统的胚胎形态学评估不可避免地带有观察人员的主观因素,对评估的可重复性有一定的影响,对胚胎动态的发育过程很少涉及,评估指标的精度仍不足够,导致对胚胎发育潜能的预测还存在众多不足。
通过上述分析,现有技术存在的问题及缺陷为:现有技术评估指标的精度仍不够,对胚胎发育潜能的预测存在众多不足;且存在主观偏倚,不能进行连续监控,成本高,且效率不高。
但到目前为止,大部分研究均为单个实验中心的数据分析研究,因各中心卵巢刺激方案、统种类、培育方法、胚胎评估方法、参数定义等实验方法或干预措施的不同,各中心建立的参数模型无法达成统一。需要进行多中心的大样本实验数据研究,建立可适用于各个实验室的标准化的胚胎预测模型。同时,需要更多大规模的随机对照研究来证实延时摄像技术的有效性及安全性。
发明内容
针对现有技术存在的问题,本发明提供了一种基于空间动力学参数的胚胎发育监控方法。
本发明是这样实现的,一种基于空间动力学参数的胚胎发育监控方法,所述基于空间动力学参数的胚胎发育监控方法包括:
利用AI监测胚胎空间动力学参数,基于所述胚胎空间动力学参数胚胎空间动力学参数。
进一步,所述基于空间动力学参数的胚胎发育监控方法包括以下步骤:
步骤一,获取胚胎整个发育过程的图像数据,得到胚胎发育的动态图像;基于人工智能技术筛选得到胚胎的形态变化参数,得到胚胎的发育曲线;
步骤二,基于大数据分析技术得到胚胎空间动力学参数对于胚胎发育潜力以及妊娠预测结果。
进一步,所述步骤一中,获取胚胎整个发育过程的图像数据包括:利用AI 结合时差摄像装置获取胚胎整个发育过程的图像数据。
进一步,所述步骤一中,胚胎的形态变化参数为胚胎特定时间节点的形态变化参数。
进一步,所述基于大数据分析技术得到胚胎空间动力学参数对于胚胎发育潜力以及妊娠预测结果包括:利用计算机计算得到不同胚胎发育的数据曲线,并与每个胚胎移植后的妊娠结局相结合,再利用大数据分析技术得到胚胎空间动力学参数对于胚胎发育潜力以及妊娠预测结果。
本发明的另一目的在于提供一种实施所述基于空间动力学参数的胚胎发育监控方法的基于空间动力学参数的胚胎发育监控系统。
本发明的另一目的在于提供一种基于所述基于空间动力学参数的胚胎发育监控方法的胚胎质量评价方法。
本发明的另一目的在于提供一种基于所述基于空间动力学参数的胚胎发育监控方法的胚胎发育潜能评价方法。
本发明的另一目的在于提供一种基于所述基于空间动力学参数的胚胎发育监控方法的胚胎形态学评估方法。
本发明的另一目的在于提供一种基于所述基于空间动力学参数的胚胎发育监控方法的分娩风险预测方法。
结合上述的技术方案和解决的技术问题,请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为:
本发明的延时摄像技术的应用为胚胎的评估、选择提供了详细的动力学参数信息,胚胎学家正力图从这些信息中提取评估胚胎发育潜能与预测妊娠结局的最佳参数,并建立选胚的参数模型。
本发明的基于空间动力学参数的胚胎发育监控方法节约人力成本,提高评价效率。
本发明可以解决现有技术人为观察的主观偏倚,和胚胎监测的连续性,以及大数据计算分析的诸多难点痛点。
本发明的技术方案转化后的预期收益和商业价值为:无创且准确的胚胎评价系统,模型搭建成功后,大数据的收集利于后期在临床应用推广,从而在不干扰胚胎生长发育的前提下给胚胎评级,指导临床,评估预后。
本发明的技术方案克服了实验室工作人员的主观判断或者观测遗漏导致的潜在误判。
附图说明
图1是本发明实施例提供的基于空间动力学参数的胚胎发育监控方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供的基于空间动力学参数的胚胎发育监控方法包括以下步骤:
S101,利用AI结合时差摄像装置获取胚胎整个发育过程的图像数据,得到胚胎发育的动态图像;
S102,基于人工智能技术筛选得到胚胎特定时间节点的形态变化参数,得到胚胎的发育曲线;
S103,利用计算机计算得到不同胚胎发育的数据曲线,并与每个胚胎移植后的妊娠结局相结合,再利用大数据分析技术得到胚胎空间动力学参数对于胚胎发育潜力以及妊娠预测结果。
将本发明实施例提供的基于空间动力学参数的胚胎发育监控方应用于、胚胎质量评价、胚胎发育潜能评价、胚胎形态学评估、分娩风险预测中。
目前使用的延时摄像系统中运用最广泛的为Primo Vision(Vitrolife)和Embryoscope(Fertilitech),这2种系统均使用明视野技术,而EEVA(Auxogyn) 系统使用暗视野技术。所有系统均包含一个数字倒置显微镜,每隔5~20min拍一次照。图像通过自定义图像采集系统处理后显示在电脑屏幕上,并可通过时间轴叠加生成视频。
本发明实施例提供Primo Vision(Vitrolife)系统是一套数字显微镜系统,将其置于传统培养箱中,系统的控制、患者数据库的建设、胚胎发育分析和决策执行都通过保温箱外的调节单元控制。该系统定制的多孔培养皿置于显微镜下,可同时监测9~16个胚胎,一个完整的系统包含6台胚胎显微镜。
本发明实施例提供EEVATM(Auxogyn)为整合的延时成像系统,在该系统中置有标准培养箱、培养皿、数码倒置显微镜、图像采集软件。EEVA旨在通过使用625nm的发光二极管以最小的曝光剂量记录胚胎发育过程。此外,可通过该系统的电脑评分软件对获得的胚胎发育图像进行分析,与传统形态学相结合,对胚胎发育潜能进行评估。
本发明实施例通过延时摄像系统观测到的胚胎发育过程中的动力学参数与胚胎发育及妊娠结局有密切联系。此外,通过对不同参数的评估可更准确地选择优质胚胎并提高妊娠结局。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于空间动力学参数的胚胎发育监控方法,其特征在于,所述基于空间动力学参数的胚胎发育监控方法包括:
利用AI监测胚胎空间动力学参数,基于所述胚胎空间动力学参数胚胎空间动力学参数。
2.如权利要求1所述基于空间动力学参数的胚胎发育监控方法,其特征在于,所述基于空间动力学参数的胚胎发育监控方法包括以下步骤:
步骤一,获取胚胎整个发育过程的图像数据,得到胚胎发育的动态图像;基于人工智能技术筛选得到胚胎的形态变化参数,得到胚胎的发育曲线;
步骤二,基于大数据分析技术得到胚胎空间动力学参数对于胚胎发育潜力以及妊娠预测结果。
3.如权利要求2所述基于空间动力学参数的胚胎发育监控方法,其特征在于,所述步骤一中,获取胚胎整个发育过程的图像数据包括:利用AI结合时差摄像装置获取胚胎整个发育过程的图像数据。
4.如权利要求2所述基于空间动力学参数的胚胎发育监控方法,其特征在于,所述步骤一中,胚胎的形态变化参数为胚胎特定时间节点的形态变化参数。
5.如权利要求2所述基于空间动力学参数的胚胎发育监控方法,其特征在于,所述基于大数据分析技术得到胚胎空间动力学参数对于胚胎发育潜力以及妊娠预测结果包括:利用计算机计算得到不同胚胎发育的数据曲线,并与每个胚胎移植后的妊娠结局相结合,再利用大数据分析技术得到胚胎空间动力学参数对于胚胎发育潜力以及妊娠预测结果。
6.一种实施如权利要求1-5任意一项所述基于空间动力学参数的胚胎发育监控方法的基于空间动力学参数的胚胎发育监控系统。
7.一种基于如权利要求1-5任意一项所述基于空间动力学参数的胚胎发育监控方法的胚胎质量评价方法。
8.一种基于如权利要求1-5任意一项所述基于空间动力学参数的胚胎发育监控方法的胚胎发育潜能评价方法。
9.一种基于如权利要求1-5任意一项所述基于空间动力学参数的胚胎发育监控方法的胚胎形态学评估方法。
10.一种基于如权利要求1-5任意一项所述基于空间动力学参数的胚胎发育监控方法的分娩风险预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210651932.7A CN115036021A (zh) | 2022-06-10 | 2022-06-10 | 一种基于空间动力学参数的胚胎发育监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210651932.7A CN115036021A (zh) | 2022-06-10 | 2022-06-10 | 一种基于空间动力学参数的胚胎发育监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115036021A true CN115036021A (zh) | 2022-09-09 |
Family
ID=83122886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210651932.7A Withdrawn CN115036021A (zh) | 2022-06-10 | 2022-06-10 | 一种基于空间动力学参数的胚胎发育监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115036021A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116051560A (zh) * | 2023-03-31 | 2023-05-02 | 武汉互创联合科技有限公司 | 基于胚胎多维度信息融合的胚胎动力学智能预测系统 |
-
2022
- 2022-06-10 CN CN202210651932.7A patent/CN115036021A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116051560A (zh) * | 2023-03-31 | 2023-05-02 | 武汉互创联合科技有限公司 | 基于胚胎多维度信息融合的胚胎动力学智能预测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kassis et al. | OrgaQuant: human intestinal organoid localization and quantification using deep convolutional neural networks | |
Berntsen et al. | Robust and generalizable embryo selection based on artificial intelligence and time-lapse image sequences | |
CN111279421B (zh) | 人类胚胎的自动评价 | |
Louis et al. | Review of computer vision application in in vitro fertilization: the application of deep learning-based computer vision technology in the world of IVF | |
Zhao et al. | Application of convolutional neural network on early human embryo segmentation during in vitro fertilization | |
CN114972167A (zh) | 基于时空注意力和跨模态融合的胚胎妊娠预测方法及系统 | |
CN115036021A (zh) | 一种基于空间动力学参数的胚胎发育监控方法 | |
AU2024200572A1 (en) | Automated evaluation of quality assurance metrics for assisted reproduction procedures | |
US10748288B2 (en) | Methods and systems for determining quality of an oocyte | |
Si et al. | Application of artificial intelligence in gametes and embryos selection | |
US20240249142A1 (en) | Methods and systems for embryo classificiation | |
Zeman et al. | Deep learning for human embryo classification at the cleavage stage (Day 3) | |
Chen et al. | Automating blastocyst formation and quality prediction in time-lapse imaging with adaptive key frame selection | |
RU2810125C1 (ru) | Автоматизированная оценка показателей обеспечения качества для процедур вспомогательной репродукции | |
US20240037743A1 (en) | Systems and methods for evaluating embryo viability using artificial intelligence | |
Cruz et al. | Real-time imaging strategies to improve morphological assessment | |
Eswaran et al. | Deep Learning Algorithms for Timelapse Image Sequence-Based Automated Blastocyst Quality Detection | |
RU2800079C2 (ru) | Системы и способы оценки жизнеспособности эмбрионов | |
Kassis et al. | OrgaQuant: Intestinal Organoid Localization and Quantification Using Deep Convolutional Neural Networks | |
US20240046478A1 (en) | Imaging-based system for monitoring quality of cells in culture | |
Learning | The Open Biomedical Engineering | |
WO2022150914A1 (en) | Systems and methods for non-invasive preimplantation embryo genetic screening | |
Huang et al. | The density of the inner cell mass is a new indicator of the quality of a human blastocyst: a valid supplement to the Gardner scoring system | |
Serdarogullari et al. | New horizons/developments in time-lapse Morphokinetic analysis of mammalian embryos | |
Urcelay Ganzabal | Exploring the complexities of AI-Assisted Embryo Selection: a comprehensive review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220909 |
|
WW01 | Invention patent application withdrawn after publication |