Научная статья

Оценка зрелости ооцитов с использованием количественной оценки биомаркера объема фолликула на основе искусственного интеллекта по данным трехмерного ультразвукового исследования

Evaluation of oocyte maturity using artificial intelligence quantification of follicle volume biomarker by three-dimensional ultrasound

Reproductive Biomedicine Online
10.1016/j.rbmo.2022.07.012
Полный текст Открыть в журнале PubMed
FWCI: 5.68FWCI — Field-Weighted Citation Impact (индекс цитируемости с поправкой на область науки). 1.0 = среднее, > 1 = выше среднего · Процитировано: 33 · Ссылки: 32 · Лицензия: CC-BY-NC-ND
Цитирование по годам: 2026: 2 · 2025: 14 · 2024: 12 · 2023: 4 · 2022: 1

Аннотация

Вопрос исследования: Можно ли создать новый биомаркер объема фолликула на основе глубокого обучения и трехмерного ультразвукового исследования (3D-УЗИ), чтобы помочь в оценке зрелости ооцитов, выборе времени введения ХГЧ и индивидуальном прогнозировании гиперответа яичников?

Дизайн: В исследование включили 515 циклов ЭКО; в день введения ХГЧ выполняли 3D-УЗИ. Биомаркер объема фолликула, созданный с помощью алгоритма сегментации на основе глубокого обучения, использовали для расчета оптимального объема ведущего фолликула с целью прогнозирования числа полученных зрелых ооцитов и оптимизации времени триггера ХГЧ. Эффективность нового порогового значения биомаркера сравнивали с традиционным измерением диаметра фолликулов по двухмерному ультразвуковому исследованию (2D-УЗИ) при оценке исхода пункции ооцитов. Кроме того, на основе демографических данных, результатов обследования по поводу бесплодия и ультразвуковых биомаркеров построили модели для прогнозирования гиперответа яичников.

Результаты: На основе метода глубокого обучения оптимальное пороговое значение биомаркера объема фолликула для прогнозирования числа полученных зрелых ооцитов составило 0,5 см3; по эффективности оно значительно превосходило традиционный метод (измерение диаметра по двумерному УЗИ ≥10 мм). Пороговое значение объема ведущего фолликула для оптимизации времени триггера ХГЧ составило 3,0 см3 и было значимо связано с большим числом полученных зрелых ооцитов (P = 0,01). Точность модели многослойного перцептрона в прогнозировании гиперответа яичников была выше, чем у измерения диаметра по двумерному УЗИ (0,890 против 0,785) и других многомерных классификаторов (P < 0,001).33

Выводы: Методы сегментации на основе глубокого обучения и многомерные классификаторы, основанные на 3D-УЗИ, могут быть эффективны для оценки исхода получения зрелых ооцитов и индивидуального прогнозирования гиперответа яичников.

Переведем эту статью за 1 час

Загрузите PDF, а мы сделаем полный перевод, краткий конспект и красивую инфографику.

Попробовать бесплатно →

Также в Подтеме: еженедельные литобзоры и база международных клинреков по репродуктологии.