一种体外受精高发育潜能胚胎的筛选方法及系统与流程

1.本发明涉及胚胎筛选技术领域，尤其是指一种体外受精高发育潜能胚胎的筛选方法及系统。


背景技术：

2.不孕症是一个全球性的公共卫生问题，影响着全球超过4850万对夫妇。自1978年第一个体外受精(ivf)婴儿出生以来，已有超过800万名儿童接受了ivf治疗。加拿大每年进行35000个ivf治疗周期，全球超过150万个治疗周期，每年增加10％以上。然而，在过去的几十年里，体外受精的活产率一直保持在30％左右，并且在不同的诊所中各不相同。这是因为大多数体外受精程序严重依赖于临床工作人员的经验，并涉及显著的主观性和不一致性。长期以来，ivf组织一直希望采用数据驱动的定量方法来转变和标准化ivf程序。
3.为了实现这一目标，人工智能(ai)技术将发挥关键作用。例如，在精液分析中，人工智能可以分析单个精子的图像，并将其定量分类为正常和异常，从而提供更准确的男性不育诊断并指导后续治疗方案。ai还可以从精子图像中预测精子dna质量，从而为卵胞浆内单精子注射(icsi)选择高质量的精子。
4.在影响ivf结局的各种因素中，所选移植胚胎的质量(即发育潜能)是决定ivf成功的主要因素。现有的用于评估和选择胚胎的方法是基于人工观察胚胎形态。人工判断仅检查有限数量的形态学特征(即胚腔大小、内细胞团(icm)中的细胞数量和滋养外胚层(te)细胞的数量)，以对胚胎进行“分级”(《人类生殖》，第26页，1270-1283)，这种方法有两个明显的局限性。首先，其他形态特征，例如，icm(发育成胎儿的结构)中细胞的形状和大小也反映了胚胎发育潜力，但在目前的胚胎分级方法中尚未考虑。第二，胚胎发育潜能并不完全由形态特征决定。与患者相关的生化信息/特征也极大地影响胚胎发育潜能。例如，患者的年龄、激素水平和精子质量(如dna片段化指数(dfi))也严重影响体内胚胎发育。这些生化特征不能通过胚胎形态反映出来，并且在目前的胚胎评价惯例中也是缺失的。ivf治疗需要数据驱动的胚胎选择/评估方法，该方法考虑全面的胚胎形态特征和患者信息，以选择具有最高发育潜力的胚胎进行移植。


技术实现要素：

5.为此，本发明所要解决的技术问题在于提供一种准确性高的体外受精高发育潜能胚胎的筛选方法。
6.为解决上述技术问题，本发明提供了一种体外受精高发育潜能胚胎的筛选方法，其包括：
7.从获取的多层聚焦胚胎图像中分割胚胎；
8.从胚胎分割后的多层聚焦胚胎图像中分割te图像，并将分割的te图像展开；
9.将胚胎分割后的多聚焦胚胎图像、分割后展开的te图像、患者夫妇的生化特征和母体子宫状态特征输入训练好的预测模型，并输出胚胎发育潜能得分；
10.选择得分最高的胚胎作为最高发育潜能胚胎。
11.在本发明的一个实施例中，所述从获取的多层聚焦胚胎图像中分割胚胎，包括：
12.对获取的多层聚焦胚胎图像中每个焦平面处的图像进行二值化来获得粗糙掩模；
13.细化粗糙掩模；
14.使用细化的掩模提取所有轮廓；
15.保留具有最大尺寸的轮廓的白色像素，实现胚胎分割。
16.在本发明的一个实施例中，所述预测模型包括cnn网络、注意力模块、vit网络、多层感知器和分数融合模块；
17.所述cnn网络用于从胚胎分割后的多聚焦胚胎图像预测胚胎发育潜能得分，所述注意力模块用于生成从多层聚焦胚胎图像中获得的胚胎发育潜能得分的权重，将所有胚胎发育潜能得分的加权和作为从多聚焦图像预测的胚胎发育潜能得分；
18.所述vit网络用于从分割后展开的te图像生成胚胎发育潜能得分；
19.所述多层感知器用于从患者夫妇的生化特征和母体子宫状态特征生成胚胎发育潜能得分；
20.所述分数融合模块用于将分别从胚胎分割后的多聚焦胚胎图像、分割后展开的te图像、患者夫妇的生化特征和母体子宫状态特征预测得到的三种胚胎发育潜能得分进行融合，输出最终的胚胎发育潜能得分。
21.在本发明的一个实施例中，所述注意力模块通过在cnn网络中的最高级别特征图上执行的顺序卷积、平均合并、s型运算来生成权重。
22.在本发明的一个实施例中，所述患者夫妇的生化特征包括：
23.父方精液特征；
24.产妇年龄、身体质量指数和治疗史；
25.囊胚移植天数、窦卵泡数和回收卵母细胞数；
26.母体激素谱；
27.所述母体子宫状态特征包括：子宫内膜厚度和子宫内膜类型。
28.在本发明的一个实施例中，所述从获取的多层聚焦胚胎图像中分割胚胎，之前还包括：
29.沿显微镜的z轴改变焦平面，在多个焦平面下捕获胚胎图像，并构建多5层聚焦胚胎图像。
30.在本发明的一个实施例中，所述将分割的te图像展开，包括：通过极坐标变形将分割的te图像展开。
31.本发明还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述0任一项所述方法的步骤。
32.本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。
33.本发明还提供了一种体外受精高发育潜能胚胎的筛选系统，其包括：
34.第一分割模块，用于从获取的多层聚焦胚胎图像中分割胚胎；5第二分割模块，用于从胚胎分割后的多层聚焦胚胎图像中分割te图像，
35.并将分割的te图像展开；
36.模型预测模块，用于将胚胎分割后的多聚焦胚胎图像、分割后展开的te图像、患者夫妇的生化特征和母体子宫状态特征输入训练好的预测模型，并输出胚胎发育潜能得分；
37.0选择模块，用于选择得分最高的胚胎作为最高发育潜能胚胎。
38.本发明的上述技术方案相比现有技术具有以下优点：
39.本发明体外受精高发育潜能胚胎的筛选方法及系统综合考虑胚胎分割后的多聚焦胚胎图像、分割后展开的te图像、患者夫妇的生化特征和母体子宫状态特征三个方面，从多个方面来量化同一患者的多个胚胎中的每个胚胎的发育潜力，可以快速、准确地筛选出最高发育潜能胚胎。
40.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
41.为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中
42.图1是本发明实施例中体外受精高发育潜能胚胎的筛选方法的流程图；
43.图2是本发明实施例中获取多层聚焦胚胎图像使用的硬件示意图；
44.图3是本发明实施例中获取的多层聚焦胚胎图像的示意图；
45.图4是本发明实施例中从胚胎分割后的多层聚焦胚胎图像中分割te图像，并将分割的te图像展开的示意图；
46.图5是本发明实施例中预测模型的示意图。
47.标记说明：201、显微镜；202、胚胎容器；203、物镜；204、调焦电机；205、振动隔离；206、图像获取单元；207、电动定位器；208、主计算机。
具体实施方式
48.下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
49.实施例一
50.参照图1所示，本实施例公开了一种体外受精高发育潜能胚胎的筛选方法，其包括以下步骤：
51.步骤s1、从获取的多层聚焦胚胎图像中分割胚胎；
52.可选地，步骤s1之前还包括以下步骤：
53.沿显微镜的z轴改变焦平面，在多个焦平面下捕获胚胎图像，并构建多层聚焦胚胎图像。
54.其中，多层聚焦胚胎图像由安装在显微镜上的照相机捕获。显微镜配有计算机控制的调焦电机，用于在捕获多层聚焦胚胎图像的同时沿显微镜的z轴方向改变焦平面。
55.参照图2，在其中一实施例中，获取多层聚焦胚胎图像使用的硬件如下：
56.显微镜201，例如倒置光学显微镜。显微镜还可以包括微分干涉对比(dic)或相位
对比光学器件；
57.主计算机208，其可以包括具有用于控制系统的元件和图像处理的指令的软件和处理器，所述指令包括:控制调焦电机204沿显微镜的z轴改变焦平面，控制图像获取单元206捕获焦平面的图像；从界面或数据库检索患者夫妇的生化特征和母体子宫状态特征；预测胚胎发育潜能和训练胚胎发育预测模型；
58.电动定位器207，其控制胚胎容器202的运动以将胚胎定位在视场的中心。电动定位器207通过有线连接或无线连接可操作地连接或链接到主计算机208；
59.高倍率(例如100x)物镜203；
60.图像获取单元206，例如ccd相机，其可以安装在显微镜201上，并且通过有线连接或无线连接可操作地连接或链接到主计算机208；
61.调焦电机204，其可以安装在调焦旋钮上，并通过有线连接或无线连接到主计算机208；
62.胚胎容器202可以包含同一患者的多个胚胎，并且电动定位器207可以由主计算机208控制以将每个胚胎定位在视场中。进一步地，还可以包括振动隔离台205，以最小化显微镜201、电动定位器207和图像获取单元206的振动。
63.囊胚的直径为100
–
200微米，超过了显微镜的景深。因此，在单个焦平面处捕获的胚胎图像仅部分地揭示了胚胎的形态特征。本发明提出使用从多个焦平面捕获的胚胎图像，其包含胚胎的更全面的形态特征并且可以更准确地预测胚胎的发育潜力。
64.多层聚焦胚胎图像堆栈可以由安装在显微镜(201)上的计算机控制的照相机(206)和计算机控制的焦点调节马达(204)自动捕获。计算机控制调焦电机将显微镜焦平面设置为一系列预定值，并控制相机在每个焦平面处捕获图像，以构建多层聚焦胚胎图像堆栈。
65.参照图3，为在沿着显微镜的z轴从-45微米到45微米范围内的七个不同焦平面处捕获的多层聚焦胚胎图像的堆叠的示例。与在单个焦平面上捕获的单个图像相比，胚胎图像堆栈揭示了胚胎的更多形态特征。例如，内细胞团(红圈)在胚胎图像堆栈中可见(在焦平面z＝45处)。然而，它在来自单个焦平面(例如，在焦平面z＝-15，-30，-45)的其他图像中是不可见的或不太可见的，因为它是失焦的。
66.参照图4，在其中一实施例中，步骤s1包括：
67.对获取的多层聚焦胚胎图像中每个焦平面处的图像(参照图4(a))进行二值化来获得粗糙掩模(参照图4(b))；其中，白色像素都属于胚胎或细胞碎片，黑色像素表示胚胎、细胞碎片和背景。
68.细化粗糙掩模(参照图4(c))；可选地，使用grubcut分割算法来细化粗糙掩模。
69.使用细化的掩模提取所有轮廓(参照图4(d))；
70.保留具有最大尺寸的轮廓的白色像素(参照图4(e))，实现胚胎分割(参照图4(f))。
71.步骤s2、从胚胎分割后的多层聚焦胚胎图像中分割te图像(参照图4(g))，并将分割的te图像展开(参照图4(h))；可选地，通过极坐标变形将分割的te图像展开。
72.如图3所示，从单个焦平面捕获的图像仅包含焦内形态特征，而焦外形态特征大部分缺失。因此，本发明使用从不同焦平面捕获的图像堆栈来包括更全面的胚胎形态特征作
为模型输入。
73.步骤s3、将胚胎分割后的多聚焦胚胎图像、分割后展开的te图像、患者夫妇的生化特征和母体子宫状态特征输入训练好的预测模型，并输出胚胎发育潜能得分；
74.参照图5，在其中一实施例中，所述预测模型包括cnn网络、注意力模块(attention module)、vit网络(vision transformer)、多层感知器(mlp)和分数融合模块；
75.cnn网络是用于解决基于图像的分类问题的最先进的方法。现有的细胞神经网络采用特征级联或多数投票方法来使用多个输入图像进行分类决策。然而，在胚胎图像堆栈中，胚胎中的细胞具有不同的大小。大细胞可以出现在多个焦平面上，而小细胞可能只出现在一个焦平面上。因此，直接连接从多聚焦胚胎图像提取的特征会不期望地增强来自大细胞的特征并削弱来自小细胞的特征。在多数投票方法中，来自多聚焦胚胎图像的预测结果被相等地加权。然而，本发明发现多聚焦胚胎图像对胚胎发育潜能的预测有不同的贡献。
76.因此在本发明中，所述cnn网络从胚胎分割后的多聚焦胚胎图像预测胚胎发育潜能得分，所述注意力模块用于生成从多层聚焦胚胎图像中获得的胚胎发育潜能得分的权重，将所有胚胎发育潜能得分的加权和作为从多聚焦图像预测的胚胎发育潜能得分；具体地，所述注意力模块通过在cnn网络中的最高级别特征图上执行的顺序卷积、平均合并、s型运算来生成权重。因为，最高级别的特征图与胚胎发育潜能得分直接相关，因此用于生成权重。
77.所述vit网络用于从分割后展开的te图像生成胚胎发育潜能得分；te细胞的形态特征是胚胎发育潜能的重要预测指标。然而，te细胞在胚胎图像的外层中占据狭窄的环形带，并且cnn在处理这样的特征时表现不佳。因此，本发明从胚胎图像中分割te，将te图像展开为拉长的矩形形状，并使用vit来处理展开的te图像。本发明选择vit而不是cnn的原因是vit具有自我注意机制，使其能够更准确地捕捉te细胞的内聚性(和紧密度)来预测胚胎发育潜能。
78.所述多层感知器用于从患者夫妇的生化特征和母体子宫状态特征生成胚胎发育潜能得分；
79.其中，胚胎图像无法显示的患者生化特征对于预测胚胎发育潜能也很重要。患者的生化特征包括父亲的精液特征(例如，原始精液量、精液处理后的a级精子比率和精子dna碎片指数)；产妇年龄、身体质量指数和治疗史；囊胚移植天数、窦卵泡数、获卵数；母体激素谱(如孕酮、雌二醇、黄体生成素和游离甲状腺素)。母体子宫状态特征包括子宫内膜厚度和子宫内膜类型。
80.模型输入还包括母体子宫状态有助于防止偏差/错误标记，即在植入失败的情况下，减轻不良子宫状态对偏差胚胎评估的影响。
81.因此，除形态学特征外，增加与患者相关的生化特征可以更全面地揭示胚胎发育潜能。众所周知，随着女性年龄的增加，卵母细胞中遗传异常的频率也会增加，从而降低胚胎发育潜力并导致不良的临床结果。精子dfi反映了精子dna的损伤程度，dfi高的精子与卵母细胞受精后发育的胚胎发育潜能较低，临床结局较差。
82.同时，将子宫状态特征(即，子宫内膜厚度和子宫内膜模式)添加到模型输入中。当具有高发育潜能的胚胎被移植到状态不良的子宫时，不良的临床结果(失败)可归因于子宫状态不良。因此，包括子宫状态特征有助于防止有偏差的/错误的标记，即，在植入失败的情
况下，减轻不良子宫状态对有偏差的胚胎评估的影响。
83.为了将生化特征和母体子宫状态特征合并到模型输入中，本发明将数字特征(生化特征和子宫状态特征)与cnn和vit集成；因此，将生化特征、母体子宫状态特征、胚胎图像堆栈和te图像一起考虑用于评估胚胎。经典方法如决策树和svm不适合在这里用于处理生化特征，因为它们不能容易地与cnn和vit集成。相反，可以使用多层感知器(mlp)，其根据生化特征和母体子宫状态预测胚胎发育潜能评分。
84.所述分数融合模块用于将分别从胚胎分割后的多聚焦胚胎图像、分割后展开的te图像、患者夫妇的生化特征和母体子宫状态特征预测得到的三种胚胎发育潜能得分进行融合，输出最终的胚胎发育潜能得分。
85.具体地，将根据多层聚焦胚胎图像预测的胚胎发育潜能分数、根据te预测的胚胎发育潜能分数、根据生化特征和子宫状态特征预测的胚胎发展潜能分数相加，并取恒定值作为最终的发育潜能分数。常数值计算为-ln(a)，其中a是具有阳性临床结果的胚胎与具有阴性临床结果的胚胎的比率。常数值用于减轻对负临床结果的模型预测偏差，其构成用于训练模型的数据集的大部分(例如，70％)。
86.步骤s4、选择得分最高的胚胎作为最高发育潜能胚胎。
87.此外，当所提出的胚胎选择方法应用于不同的ivf诊所时，可用于该方法的患者的生化特征和子宫状态特征的数量可能不同。为了使所提出的方法适应这种情况，使用不同的组合来训练一组模型患者的生化特征和子宫状态特征，然后选择与可用的患者的生化特征和子宫状态特征匹配的模型用于预测胚胎发育潜能。
88.实施例二
89.本实施例公开了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中所述方法的步骤。
90.实施例三
91.本实施例公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例一中所述方法的步骤。
92.实施例四
93.本实施例公开了一种体外受精高发育潜能胚胎的筛选系统，其包括：
94.第一分割模块，用于从获取的多层聚焦胚胎图像中分割胚胎；
95.第二分割模块，用于从胚胎分割后的多层聚焦胚胎图像中分割te图像，并将分割的te图像展开；
96.模型预测模块，用于将胚胎分割后的多聚焦胚胎图像、分割后展开的te图像、患者夫妇的生化特征和母体子宫状态特征输入训练好的预测模型，并输出胚胎发育潜能得分；
97.选择模块，用于选择得分最高的胚胎作为最高发育潜能胚胎。
98.本发明实施例中的体外受精高发育潜能胚胎的筛选系统用于实现前述的体外受精高发育潜能胚胎的筛选方法，因此该系统的具体实施方式可见前文中的体外受精高发育潜能胚胎的筛选方法的实施例部分，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再展开介绍。
99.另外，由于本实施例的体外受精高发育潜能胚胎的筛选系统用于实现前述的体外
受精高发育潜能胚胎的筛选方法，因此其作用与上述方法的作用相对应，这里不再赘述。
100.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
101.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
102.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
103.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
104.显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

技术特征：
1.一种体外受精高发育潜能胚胎的筛选方法，其特征在于，包括：从获取的多层聚焦胚胎图像中分割胚胎；从胚胎分割后的多层聚焦胚胎图像中分割te图像，并将分割的te图像展开；将胚胎分割后的多聚焦胚胎图像、分割后展开的te图像、患者夫妇的生化特征和母体子宫状态特征输入训练好的预测模型，并输出胚胎发育潜能得分；选择得分最高的胚胎作为最高发育潜能胚胎。2.根据权利要求1所述的体外受精高发育潜能胚胎的筛选方法，其特征在于，所述从获取的多层聚焦胚胎图像中分割胚胎，包括：对获取的多层聚焦胚胎图像中每个焦平面处的图像进行二值化来获得粗糙掩模；细化粗糙掩模；使用细化的掩模提取所有轮廓；保留具有最大尺寸的轮廓的白色像素，实现胚胎分割。3.根据权利要求1所述的体外受精高发育潜能胚胎的筛选方法，其特征在于，所述预测模型包括cnn网络、注意力模块、vit网络、多层感知器和分数融合模块；所述cnn网络从胚胎分割后的多聚焦胚胎图像预测胚胎发育潜能得分，所述注意力模块用于生成从多层聚焦胚胎图像中获得的胚胎发育潜能得分的权重，将所有胚胎发育潜能得分的加权和作为从多聚焦图像预测的胚胎发育潜能得分；所述vit网络用于从分割后展开的te图像生成胚胎发育潜能得分；所述多层感知器用于从患者夫妇的生化特征和母体子宫状态特征生成胚胎发育潜能得分；所述分数融合模块用于将分别从胚胎分割后的多聚焦胚胎图像、分割后展开的te图像、患者夫妇的生化特征和母体子宫状态特征预测得到的三种胚胎发育潜能得分进行融合，输出最终的胚胎发育潜能得分。4.根据权利要求3所述的体外受精高发育潜能胚胎的筛选方法，其特征在于，所述注意力模块通过在cnn网络中的最高级别特征图上执行的顺序卷积、平均合并、s型运算来生成权重。5.根据权利要求1所述的体外受精高发育潜能胚胎的筛选方法，其特征在于，所述患者夫妇的生化特征包括：父方精液特征；产妇年龄、身体质量指数和治疗史；囊胚移植天数、窦卵泡数和回收卵母细胞数；母体激素谱；所述母体子宫状态特征包括：子宫内膜厚度和子宫内膜类型。6.根据权利要求1所述的体外受精高发育潜能胚胎的筛选方法，其特征在于，所述从获取的多层聚焦胚胎图像中分割胚胎，之前还包括：沿显微镜的z轴改变焦平面，在多个焦平面下捕获胚胎图像，并构建多层聚焦胚胎图像。7.根据权利要求1所述的体外受精高发育潜能胚胎的筛选方法，其特征在于，所述将分割的te图像展开，包括：通过极坐标变形将分割的te图像展开。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1到7任一项所述方法的步骤。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1到7任一项所述方法的步骤。10.一种体外受精高发育潜能胚胎的筛选系统，其特征在于，包括：第一分割模块，用于从获取的多层聚焦胚胎图像中分割胚胎；第二分割模块，用于从胚胎分割后的多层聚焦胚胎图像中分割te图像，并将分割的te图像展开；模型预测模块，用于将胚胎分割后的多聚焦胚胎图像、分割后展开的te图像、患者夫妇的生化特征和母体子宫状态特征输入训练好的预测模型，并输出胚胎发育潜能得分；选择模块，用于选择得分最高的胚胎作为最高发育潜能胚胎。

技术总结
本发明公开了一种体外受精高发育潜能胚胎的筛选方法及系统。其体外受精高发育潜能胚胎的筛选方法包括：从获取的多层聚焦胚胎图像中分割胚胎；从胚胎分割后的多层聚焦胚胎图像中分割TE图像，并将分割的TE图像展开；将胚胎分割后的多聚焦胚胎图像、分割后展开的TE图像、患者夫妇的生化特征和母体子宫状态特征输入训练好的预测模型，并输出胚胎发育潜能得分；选择得分最高的胚胎作为最高发育潜能胚胎。本发明综合考虑胚胎分割后的多聚焦胚胎图像、分割后展开的TE图像、患者夫妇的生化特征和母体子宫状态特征三个方面，从多个方面来量化同一患者的多个胚胎中的每个胚胎的发育潜力，可以快速、准确地筛选出最高发育潜能胚胎。准确地筛选出最高发育潜能胚胎。准确地筛选出最高发育潜能胚胎。


技术研发人员：岳春峰 刘航 黄宗杰
受保护的技术使用者：苏州博致医疗科技有限公司
技术研发日：2022.12.30
技术公布日：2023/7/11