LWMA-Net: облегчённая сеть обучения морфологическому вниманию для градации человеческих эмбрионов

Визуальная оценка морфологии эмбриона рутинно используется при его анализе и отборе. Однако из-за сложности морфологических признаков и высокой меж- и внутриндивидуальной вариабельности между эмбриологами ручная оценка остаётся субъективной и требует много времени. Поэтому мы предложили облегчённую сеть обучения морфологическому вниманию (LWMA-Net) для автоматизированной поддержки градации эмбрионов. В LWMA-Net включены модуль морфологического внимания (MAM), позволяющий выделять информативные признаки и их локализацию, и модуль многомасштабной интеграции (MFM), повышающий прохождение признаков через модель. LWMA-Net обучали на основной выборке из 3599 эмбрионов от 2318 пар, включённых в клиническое исследование в период с сентября 2016 года по декабрь 2018 года; площадь под ROC-кривой (AUC) составила 96,88% и 97,58% для градации по 4 и 3 категориям соответственно. Независимую тестовую выборку составили 691 эмбрион от 321 пары, включённой в период с января 2019 года по январь 2021 года; её использовали для оценки ценности поддержки при градации эмбрионов. Пять опытных эмбриологов через три месяца повторно оценивали эмбрионы из независимой выборки — с помощью LWMA-Net и без неё. При использовании LWMA-Net эмбриологи существенно улучшали качество градации: средняя AUC повышалась на 4,98%–5,32% для задач с 4- и 3-категорийной оценкой соответственно, что указывает на хороший потенциал LWMA-Net для вспомогательных технологий в репродуктивной медицине.