申请/专利权人：南开大学;南开大学深圳研究院

申请日：2023-10-20

公开（公告）日：2024-02-27

公开（公告）号：CN117612160A

主分类号：G06V20/69

分类号：G06V20/69;G06V10/764;G06V10/774;G06V10/776;G06V10/82;G06N3/0442;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明基于深度学习胚胎形态动力学参数提取和囊胚预测方法属于人工智能技术领域，本发明通过使用yolov5目标检测模型对标注好的一细胞阶段，二细胞阶段，三细胞阶段，四细胞阶段的图像文件进行训练，识别胚胎发育过程中的一细胞阶段，二细胞阶段，三细胞阶段，四细胞阶段，利用训练好的yolov5目标检测模型自动提取胚胎延时监测视频中的胚胎形态动力学参数，对提取的形态动力学参数与是否形成囊胚进行独立t检验，分析不同形态动力学参数对是否形成囊胚的结果是否有显著影响，提取对结果有显著影响的形态动力学参数，利用lstm分类预测模型，预测胚胎是否形成囊胚，本发明能够提高预测胚胎是否发育成囊胚的准确率。

主权项：1.基于深度学习胚胎形态动力学参数提取和囊胚预测方法，其特征在于：按照以下步骤进行：步骤1数据集制作：将延时监测视频数据分别拆解成一帧一帧的图像，并从中挑选一细胞阶段，二细胞阶段，三细胞阶段，四细胞阶段的图像并使用图像标注软件进行标注，将标注好的文件分为训练集，测试集和验证集；步骤2目标检测模型的训练：使用yolov5目标检测模型对标注好的文件进行训练，识别胚胎发育过程中的一细胞阶段，二细胞阶段，三细胞阶段，四细胞阶段；步骤3自动提取胚胎延时监测视频中的胚胎形态动力学参数：将延时监测视频输入训练好的yolov5目标检测模型中，将第一次检测到的一细胞阶段，二细胞阶段，三细胞阶段，四细胞阶段对应视频中的帧数输出，并根据视频帧率计算对应的实际时间，自动输出形态动力学参数；步骤4对提取的形态动力学参数与是否形成囊胚进行独立t检验，提取对结果有显著影响的形态动力学参数；步骤5将步骤4中提取的对是否形成囊胚有显著影响的形态动力学参数作为长短期记忆网络的输入特征输入lstm分类预测模型中，使用长短期记忆网络进行分类预测；步骤6输出预测准确率。

全文数据：

权利要求：

百度查询： 南开大学;南开大学深圳研究院 基于深度学习胚胎形态动力学参数提取和囊胚预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD