[논문 리뷰] Deep learning mediated single time-point image-based prediction of embryo developmental outcome at the cleavage stage

Manoj Kumar Kanakasabapathy, Prudhvi Thirumalaraju외 7명|arXiv (Cornell University)|2020. 05. 21.

Reproductive Biology and Fertility참고 문헌 20인용 수 11

한 줄 요약

이 연구는 단일 시간점 이미지를 이용해 배아의 발달 잠재력을 배분 단계에서 예측하기 위한 딥러닝 기반 시스템을 제시한다. 컨volutional 신경망(CNN)과 유전 알고리즘을 사용한 이 시스템은 70시간 후 수정(70 hpi)의 배아 이미지로 훈련되었으며, 최상위 품질의 배반아로 발달할 잠재력이 있는 배아를 식별하는 데 64%의 정확도를 기록했다. 이는 배아 전문의의 성능을 뛰어넘었으며, 특히 자원이 제한된 환경에서 비용 효율적이고 자동화된 IVF 클리닉 솔루션을 제공한다.

ABSTRACT

In conventional clinical in-vitro fertilization practices embryos are transferred either at the cleavage or blastocyst stages of development. Cleavage stage transfers, particularly, are beneficial for patients with relatively poor prognosis and at fertility centers in resource-limited settings where there is a higher chance of developmental failure in embryos in-vitro. However, one of the major limitations of embryo selections at the cleavage stage is the availability of very low number of manually discernable features to predict developmental outcomes. Although, time-lapse imaging systems have been proposed as possible solutions, they are cost-prohibitive and require bulky and expensive hardware, and labor-intensive. Advances in convolutional neural networks (CNNs) have been utilized to provide accurate classifications across many medical and non-medical object categories. Here, we report an automated system for classification and selection of human embryos at the cleavage stage using a trained CNN combined with a genetic algorithm. The system selected the cleavage stage embryo at 70 hours post insemination (hpi) that ultimately developed into top-quality blastocyst at 70 hpi with 64% accuracy, outperforming the abilities of embryologists in identifying embryos with the highest developmental potential. Such systems can have a significant impact on IVF procedures by empowering embryologists for accurate and consistent embryo assessment in both resource-poor and resource-rich settings.

연구 동기 및 목표

• 시간 간격 영상 촬영 시스템에 의존하지 않고도, 배분 단계에서의 배아 발달 잠재력을 자동으로 비용 효율적으로 예측할 수 있는 방법을 개발하기 위해.
• 배분 단계에서 선택 가능한 수동으로 확인할 수 있는 형태학적 특징의 수가 제한되어 있는 문제를 해결하기 위해.
• 자원이 풍부한 환경과 자원이 제한된 임상 환경 모두에서 정확하고 일관된 배아 선택을 가능하게 하여 IVF 결과를 향상시키기 위해.
• 딥러닝과 유전 알고리즘을 활용해 단일 시간점 배아 이미지에서 예측 가능한 특징을 추출하기 위해.

제안 방법

• 컨volutional 신경망(CNN)은 70시간 후 수정(hpi)의 인간 배아에 대한 단일 시간점 밝은 영역 이미지로 훈련되었다.
• 유전 알고리즘이 CNN의 하이퍼파라미터를 최적화하고 분류 성능을 향상시키기 위해 사용되었다.
• 모델는 5일차(120 hpi)에 최상위 품질의 배반아로 발달할 가능성이 있는지에 따라 배아를 분류하도록 훈련되었다.
• 이미지 데이터는 임상적 IVF 주기에서 수집되었으며, 형태학적 특징이 추출되어 딥러닝 모델 훈련에 사용되었다.
• 예측 정확도를 비교하기 위해 임상 평가 결과를 배아 전문의의 평가와 비교하여 시스템을 검증하였다.

실험 결과

연구 질문

• RQ1 배분 단계의 단일 시간점 이미지를 사용하여 배아의 배반아로의 발달 잠재력을 정확하게 예측할 수 있는가?
• RQ2 딥러닝 모델이 배분 단계에서 가장 높은 발달 잠재력을 가진 배아를 선택하는 데 인간 배아 전문의보다 뛰어난 성능을 보일 수 있는가?
• RQ3 시간 간격 영상 촬영 시스템이나 고비용 하드웨어 없이도 CNN 기반 시스템이 높은 정확도로 배아 선택을 수행할 수 있는가?
• RQ4 유전 알고리즘이 CNN의 배아 이미지 분류 성능 향상에 얼마나 기여할 수 있는가?

주요 결과

• 딥러닝 모델은 70 hpi 시점에서 최상위 품질의 배반아로 발달할 잠재력이 있는 배분 단계의 배아를 식별하는 데 64%의 분류 정확도를 기록했다.
• 이 성능는 경험 많은 배아 전문의가 가장 높은 발달 잠재력을 가진 배아를 선택하는 데 기록한 정확도를 뛰어넘었다.
• 이 시스템은 시간 간격 영상 촬영 시스템이 필요 없이 단일 시간점 이미지만으로 자동화된 이미지 기반의 배아 선택을 가능하게 한다.
• 이 접근법은 낮은 하드웨어 및 운영 요구 조건 덕분에 자원이 제한된 병원과 자원이 풍부한 생식 클리닉 모두에 확장 가능하다.