本发明专利技术提供了一种基于人工智能的胚胎分级方法，获取胚胎培育过程中的视频，根据设置的时间节点从视频中抽取帧，建立帧和相对时间的关系，所述相对时间为抽取的帧在所述视频中的时间减去所述视频的第一帧的时间；构建与所述时间节点对应的ViT网络，对每个时间节点对应的ViT网络进行训练，得到训练后的ViT网络；将抽取的帧分别作为对应的ViT网络的输入，得到不同时间节点的class token、每个分级对应的概率；对时间节点编码，将时间编码结果和对应的class token相加，作为Transformer的输入，将Transformer的输出作为整个视频每个分级的概率；根据不同时间节点的每个分级对应的概率、整个视频每个分级的概率得到胚胎分级结果。本发明专利技术提高了对胚胎进行分级的准确性。本发明专利技术提高了对胚胎进行分级的准确性。本发明专利技术提高了对胚胎进行分级的准确性。
【技术实现步骤摘要】
一种基于人工智能的胚胎分级方法及系统
[0001]本专利技术涉及人工智能领域，尤其涉及基于人工智能的胚胎分级方法及系统。
技术介绍
[0002]优质的胚胎可以显著提高妊娠成功的机会，并且提高胚胎移植的效率和成功率，减少多胎妊娠的风险，胚胎分级是指根据胚胎的外观特征和发育状态，将胚胎分为不同的等级的过程。这一过程通常在生殖医学和胚胎学中使用，用于评估胚胎的质量、发育潜力和选择适合移植的胚胎。通过观察胚胎的形态、细胞数量、细胞结构等特征可以对胚胎进行分级，常见的胚胎分级指标有细胞数量、细胞结构和对称性、胚胎囊胚的形态、胚胎细胞的碎裂和凝聚情况等。传统的胚胎分级主要是采用手动胚胎分级，手动胚胎分级又称为人工胚胎分级，这严重依赖人的主观观察和判断，不同的医生有不同的主观偏好和标准，导致分级结果的一致性差异，而且人眼观察和分辨细微的胚胎特征存在局限性，特别是对于小细胞团或细胞结构的评估。这可能导致无法准确获知一些关键的发育特征，限制了分级结果的精确性和可靠性。采用人工智能的胚胎分级方法，避免了分级时人为主观因素的的干扰，提高工作效率，而且能够获得更为精确的信息。但是现有的基于人工智能的胚胎分级方法准确性仍然不满足要求，在自动分级后，医生还需要进一步确认。
技术实现思路
[0003]为了解决上述问题，在第一个方面，本专利技术一种基于人工智能的胚胎分级方法，所述方法包括以下步骤：获取胚胎培育过程中的视频，根据设置的时间节点从视频中抽取帧，建立帧和相对时间的关系，所述相对时间为抽取的帧在所述视频中的时间减去所述视频的第一帧的时间；构建与所述时间节点对应的ViT网络，对每个时间节点对应的ViT网络进行训练，得到训练后的ViT网络；将抽取的帧分别作为对应的ViT网络的输入，得到不同时间节点的class token、每个分级对应的概率；对时间节点编码，将时间编码结果和对应的class token相加，作为Transformer的输入，将Transformer的输出作为整个视频每个分级的概率；根据不同时间节点的每个分级对应的概率、整个视频每个分级的概率得到胚胎分级结果。
[0004]优选地，所述时间节点的确定方法具体为：在受精后12、24小时分别设置一个时间节点，在受精后24
‑
72小时内每隔四个小时设置一个时间节点，在受精后72
‑
120小时内每隔六个小时设置一个时间节点；或者，在受精后每隔12个小时设置一个时间节点到达预设时间为止。
[0005]优选地，所述根据设置的时间节点从视频中抽取帧，具体为：获得与所述时间节点相差N分钟内的待选视频帧，再加上所述时间节点的视频帧得到2N+1个视频帧，计算2N+1个视频帧的清晰度，将清晰度最高的一帧作为最终抽取帧；其
中，所述待选视频帧在视频中的时间与时间节点的差值为整分钟的倍数，N为正整数。
[0006]优选地，所述对每个时间节点对应的ViT网络进行训练，具体为：获取训练视频以及对应时间节点的标注，并获取所述训练视频在所述对应时间节点的所述待选视频帧，并采用所述标注对所述待选视频帧进行标注，采用标注后的待选视频帧和时间节点对应的视频帧对时间节点对应的ViT网络进行训练。
[0007]优选地，所述根据不同时间节点的每个分级对应的概率、整个视频每个分级的概率得到胚胎分级结果，具体为：按照所述相对时间计算权重，且所有时间节点对应的权重之和为1；对于每个时间节点，计算权重与分级对应的概率的乘积,将所述乘积作为时间节点的每个分级的加权概率；对于每个分级，将所有节点对应分级的加权概率之和作为分级的第一概率，将整个视频对应分级的概率和对应分级的第一概率之和作为胚胎对应分级的概率，进而得到胚胎分级结果。
[0008]此外，本专利技术还提供了一种基于人工智能的胚胎分级系统，所述系统包括以下模块：帧抽取模块，用于获取胚胎培育过程中的视频，根据设置的时间节点从视频中抽取帧，建立帧和相对时间的关系，所述相对时间为抽取的帧在所述视频中的时间减去所述视频的第一帧的时间；特征提取模块，用于构建与所述时间节点对应的ViT网络，对每个时间节点对应的ViT网络进行训练，得到训练后的ViT网络；将抽取的帧分别作为对应的ViT网络的输入，得到不同时间节点的class token、每个分级对应的概率；分级模块，用于对时间节点编码，将时间编码结果和对应的class token相加，作为Transformer的输入，将Transformer的输出作为整个视频每个分级的概率；根据不同时间节点的每个分级对应的概率、整个视频每个分级的概率得到胚胎分级结果。
[0009]优选地，所述时间节点的确定方法具体为：在受精后12、24小时分别设置一个时间节点，在受精后24
‑
72小时内每隔四个小时设置一个时间节点，在受精后72
‑
120小时内每隔六个小时设置一个时间节点；或者，在受精后每隔12个小时设置一个时间节点到达预设时间为止。
[0010]优选地，所述根据设置的时间节点从视频中抽取帧，具体为：获得与所述时间节点相差N分钟内的待选视频帧，再加上所述时间节点的视频帧得到2N+1个视频帧，计算2N+1个视频帧的清晰度，将清晰度最高的一帧作为最终抽取帧；其中，所述待选视频帧在视频中的时间与时间节点的差值为整分钟的倍数，N为正整数。
[0011]优选地，所述对每个时间节点对应的ViT网络进行训练，具体为：获取训练视频以及对应时间节点的标注，并获取所述训练视频在所述对应时间节点的所述待选视频帧，并采用所述标注对所述待选视频帧进行标注，采用标注后的待选视频帧和时间节点对应的视频帧对时间节点对应的ViT网络进行训练。
[0012]优选地，所述根据不同时间节点的每个分级对应的概率、整个视频每个分级的概率得到胚胎分级结果，具体为：按照所述相对时间计算权重，且所有时间节点对应的权重之和为1；
对于每个时间节点，计算权重与分级对应的概率的乘积,将所述乘积作为时间节点的每个分级的加权概率；对于每个分级，将所有节点对应分级的加权概率之和作为分级的第一概率，将整个视频对应分级的概率和对应分级的第一概率之和作为胚胎对应分级的概率，进而得到胚胎分级结果。
[0013]另外，本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被处理器执行时实现如第一个方面所述的方法。
[0014]此外，本专利技术还提供了一种计算机设备，所述计算机设备包括处理器、存储器，所述存储器上存储有计算机程序，所述计算机程序在被处理器执行时实现如第一个方面所述的方法。
[0015]针对现有的胚胎分级多依赖人工以及现有依靠人工智能的胚胎分级准确性低的问题，本专利技术提供的胚胎分级方法，不仅利用了胚胎发育的最后图像信息，还参考了胚胎发育整个过程的动态变化，此外，本专利技术提供的方法在不同时间节点分别设置有ViT模型，对每个时间节点分别设置ViT模型，解决了统一模型造成识别误差高的问题，最后又对整个过程不同时间节点的classtoken进本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的胚胎分级方法，其特征在于，所述方法包括以下步骤：获取胚胎培育过程中的视频，根据设置的时间节点从视频中抽取帧，建立帧和相对时间的关系，所述相对时间为抽取的帧在所述视频中的时间减去所述视频的第一帧的时间；构建与所述时间节点对应的ViT网络，对每个时间节点对应的ViT网络进行训练，得到训练后的ViT网络；将抽取的帧分别作为对应的ViT网络的输入，得到不同时间节点的class token、每个分级对应的概率；对时间节点编码，将时间编码结果和对应的class token相加，作为Transformer的输入，将Transformer的输出作为整个视频每个分级的概率；根据不同时间节点的每个分级对应的概率、整个视频每个分级的概率得到胚胎分级结果。2.如权利要求1所述的方法，其特征在于，所述时间节点的确定方法具体为：在受精后12、24小时分别设置一个时间节点，在受精后24
‑
72小时内每隔四个小时设置一个时间节点，在受精后72
‑
120小时内每隔六个小时设置一个时间节点；或者，在受精后每隔12个小时设置一个时间节点到达预设时间为止。3.如权利要求1所述的方法，其特征在于，所述根据设置的时间节点从视频中抽取帧，具体为：获得与所述时间节点相差N分钟内的待选视频帧，再加上所述时间节点的视频帧得到2N+1个视频帧，计算2N+1个视频帧的清晰度，将清晰度最高的一帧作为最终抽取帧；其中，所述待选视频帧在视频中的时间与时间节点的差值为整分钟的倍数，N为正整数。4.如权利要求3所述的方法，其特征在于，所述对每个时间节点对应的ViT网络进行训练，具体为：获取训练视频以及对应时间节点的标注，并获取所述训练视频在所述对应时间节点的所述待选视频帧，并采用所述标注对所述待选视频帧进行标注，采用标注后的待选视频帧和时间节点对应的视频帧对时间节点对应的ViT网络进行训练。5.如权利要求1所述的方法，其特征在于，所述根据不同时间节点的每个分级对应的概率、整个视频每个分级的概率得到胚胎分级结果，具体为：按照所述相对时间计算权重，且所有时间节点对应的权重之和为1；对于每个时间节点，计算权重与分级对应的概率的乘积,将所述乘积作为时间节点的每个分级的加权概率；对于每个分级，将所有节点对应分级的加权概率之和作为分级的第一概率，将整个视频对应分级的概率和对应分级的第一概率之和作为胚胎对应分级的概率，进而得到胚胎分级结果。6.一种基于人工智能的胚胎分级系统，其...
【专利技术属性】
技术研发人员：宋宁，高博宇，崔广林，刘子韬，
申请(专利权)人：郑州大学第一附属医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。