论文部分内容阅读
辅助生殖技术(Assisted Reproductive Technology,ART)是指使用医疗辅助技术使不育夫妇怀孕的技术,包括人工授精(Artificial Insemination,AI)和体外受精-胚胎移植(In Vitro Fertilization and Embryo Transfer,IVF-ET)及其衍生技术两大类,其中,体外受精-胚胎移植是整个辅助生殖技术的核心。受精后胚胎体外发育经过原核期、卵裂期、囊胚期,目前普遍采用的是在囊胚期把胚胎移植到母体内。移植前胚胎发育质量越高,妊娠的成功率越高,所以筛选优质胚胎成为了胚胎体外培育的核心任务。传统的做法是在胚胎体外培育过程中,由有经验的胚胎学家在胚胎发育的各个阶段分别记录胚胎的生物特征,然后根据标准的胚胎评估准则判断出胚胎的发育质量。由于每个胚胎学家经验不同,最后记录的胚胎生物特征难免会有偏差,造成最后的评估结果带有主观性。深度学习的兴起使计算机系统代替胚胎学家准确捕捉胚胎发育过程中的生物特征成为可能。本论文研究内容基于与成都市某三甲医院联合研发的科研项目“胚胎发育自动化监测系统的研究与实现”下的子课题,笔者是该子课题的主要研究人员。本论文基于深度学习模型,检测识别原核期胚胎的生物特征,包括原核,透明带等。然后结合通用的评价标准,构建深度学习模型,学习生物特征的评价等级,最后对原核期胚胎质量做出综合评价。利用深度学习进行胚胎体外发育研究的文献很少,这在中国基本没有。国外有研究人员借助深度学习技术让计算机自动进行胚胎发育过程中各项生理特征的检测、识别,并且通过计算机分析其形态特征,但这些研究多针对的是囊胚期胚胎或卵裂期胚胎,对原核期胚胎的研究文献十分少。本论文主要的研究内容如下:(1)基于YOLOv2模型对原核期胚胎进行胚胎目标定位;然后通过FCN语义分割模型对原核期胚胎生物特征进行像素级分类,达到单独提取生物特征的目的;接着训练VGG-16模型对原核等级进行分类,对原核个数进行预测,通过设计算法完成透明带的完整性判断;最后,对原核期胚胎质量进行评估。(2)由于原核期胚胎图片数据量不多,为了满足深度学习模型训练需要大量数据的要求,同时提高模型的泛化能力,需要对现有数据进行数据增强处理,本论文结合常用的图像变换方法设计了一种数据增强的算法。(3)本论文对原核期胚胎质量自动评价系统进行了详细的设计,把整个系统划分为四大功能模块,数据增强模块,原核期胚胎定位模块,原核期胚胎生物特征提取模块,生物特征和原核期胚胎质量综合评价模块,详细阐述了各功能模块所涉及的模型和算法,最终完成了整个系统的实现。本论文主要的创新有以下几点:(1)将YOLOv2目标检测技术应用到胚胎定位中,通过调整YOLOv2模型,提高胚胎定位的效率和准确率。(2)改进FCN语义分割模型上采样过程,在上采样过程中加入学习权重网络,使上层网络的特征更多的影响下层的网络特征,提高生物特征分割的准确率和鲁棒性。(3)通过设计VGG-16模型对原核等级和原核个数进行分类,使原核等级分类更准确。(4)设计了数据增强算法,使不同图像变换方法随机组合,图像经过数据增强后更加多样化,有利于深度学习模型的泛化能力。实验测试表明,本论文采用的深度学习模型能准确的进行胚胎定位、生物特征提取等操作,通过对比实验,验证了改进后的FCN语义分割模型的有效性,同时测试了系统能协调各个功能模块,正常运行工作。