近年来,体外受精临床妊娠率为35.8%左右,卵母细胞的质量和卵母细胞的受精时机是体外受精细胞后续发育成熟的重要条件,卵母细胞的质量决定了体外受精和胚胎移植的成功率,进而会影响妊娠率。目前临床中普遍使用的方法是让有经验的医师通过显微镜观察对卵母细胞的质量进行检测,从而判断卵母细胞的受精时机。然而随着卵母细胞检测需求量的增加,医生显微镜观察的负担明显加重,并且医生的检测存在一定的主观性。因此,找到一种可以借助计算机进行辅助检测和判断的方法对提高卵母细胞质量检测效率和增强判断的准确性具有重要意义。目前现有的卵母细胞质量检测的方法大都存在以下一些问题,例如,在检测过程中会对卵母细胞造成一些损伤,缺乏对于人类卵母细胞的检测数据以及检测数据存在误差等问题。利用细胞的可变形性进行分析能够避免对卵母细胞造成损伤,因此本文利用微流控技术和图像分析方法对卵母细胞的可变形性进行分析。前期研究表明卵母细胞质量与其可变形性存在直接正向联系,可变形性可作为一种表征卵母细胞质量的参数。实验主要是通过卵母细胞经过微流控芯片中的微沟道时的可变形性分析来对卵母细胞的质量进行评估。这种方法不但不会对卵母细胞造成损伤,并且使用的是人的卵母细胞进行研究比较有说服性,同时通过卵母细胞质量不同可以确定卵母细胞受精的较好时机。利用Canny算子进行数字图像处理和深度学习网络对卵母细胞质量进行评估,以实现计算机检测的准确性和标准的统一性。本课题的主要实验工作和贡献如下面所述:(1)提出了一种新的基于微流控技术的卵母细胞质量检测方法。这种方法主要以对卵母细胞的可变形性分析为核心,结合了Canny算子和深度学习方法通过卵母细胞的可变形性对质量进行评估并帮助医生对于卵母细胞较好受精时机进行判断。搭建微流控的实验平台,利用高速摄像机和显微镜结合捕捉高速通过微流控器件中微沟道的卵母细胞,进行多次不同细胞的实验,对得到的实验数据进行比较分析得到卵母细胞的形变量和质量存在线性关系。(2)利用Canny算子对卵母细胞通过微流控芯片沟道时的细胞进行边缘提取得到细胞的长和宽。由于不同质量卵母细胞通过同一个微流控器件时细胞的可变形性是不同的,针对这一特性会得到不同的细胞长度,可以运用Canny算子的对卵母细胞形变量进行分析,并达到对卵母细胞质量进行评估的目的。(3)使用了faster＿rcnn＿inception＿resnet＿V2网络,创建卵母细胞的数据集,对图片进行标注和训练,根据不同的卵母细胞时期进行分类,对实验数据进行验证测试后得到的平均精度(MAP)高达97.056%。(4)对运用到的Canny算子的方法和深度学习的方法进行对比,通过Canny算子分析得到天数和卵母细胞长度确实存在线性关系并且得到其R~2>90%,使用线性拟合的主要原因是这两者之间的变化趋势类似于线性变换。深度学习模型的训练结果进行测试得到的平均精度(MAP)高达97.056%,说明深度学习模型能够很好的识别不同时期的细胞。这两种方法能够更为全面的对卵母细胞质量进行评估并且可以通过对卵母细胞的形变量分析对卵母细胞的不同时期进行区分,可以据此对卵母细胞受精时机进行判断。