胚胎光镜图像细胞的智能识别软件系统（DeepEEva） 深度学习评估体外受精胚胎的发育

在本研究中，我们根据卵裂球的数量检测和均一性评估两个方面，开发了一个基于深度学习的胚胎评估方法DeepEEva，提出了一种新的非极大值抑制算法C-NMS，并将其用于改进的Faster R-CNN模型中，该算法显著增强了模型的卵裂球检测能力。本课题使用455张人类体外受精胚胎的光学显微镜图像进行深度学习模型的训练、验证和测试，对其中的94个胚胎图像进行测试，测试集的精确率、召回率和mAP上分别为0.9940、0.9121和0.9531。DeepEEva创造性的提出了胚胎定量评估模型，与以前的计算方法相比，本模型具有更好的性能。本研究使用组内相关系数（Intraclass Correlation Coefficient，缩写ICC）评估模型与临床医生之间的一致性，ICC值均大于0.75，表明DeepEEva与三位经验丰富的临床医生之间的一致性很高。DeepEEva可以集成到临床应用中，提高胚胎质量评估的准确性和效率，从而提高IVF的成功率。