论文部分内容阅读
针对传统体外受精(IVF)胚胎存活力的评估主要是基于胚胎学家的主观视觉分析,但受限于观察者之间的差异,并且是一项耗时的任务.在这项研究中,将深度学习与模型迁移结合使用,开发用于胚胎评估的自动分类方法.研究包括kaggle比赛数据库中的胚胎数据集,使用在ImageNet数据集上预训练网络作为基础网络,在修改基础模型全连接分类层的基础上,将高层卷积模块的权重设置为可训练以进行微调.实验结果表明,通过微调训练获得的网络准确率高达96.93%,相比基础模型表现有显著提升,证明在计算资源有限的前提下,使用微调