何发山
广州大学学报(自然科学版). 2020, 19(5): 29-35.
摘要 (
)
PDF全文 (
)
可视化
收藏
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9693%,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,使用微调策略也能获得不错功能的卷积神经网络模型.研究集成了深度学习方法、延时显微镜系统和IVF电子病历平台,可实现用于胚胎评估的全自动无创系统.