一种基于课程学习的胚胎图像语义分割方法

作者：汤红忠; 王蔚; 王涛; 陆旺达; 黄向红; 章兢

来源：电子学报, 2023, 51(11): 3365-3376.

• 课程学习
• 胚胎时差图像
• 多阶段渐进式U-net网络
• 语义分割
• 评分函数
• 步调函数

胚胎植入前形态学特征是人类体外受精胚胎质量评估的重要依据.目前，胚胎学家主要利用胚胎时差成像（Time-Lapse Imaging,TLI）技术观察胚胎图像形态变化，从而筛选最有发育潜能的胚胎进行移植或冷冻保存.然而，人工评估不仅费时费力，且需要较强的专业知识，并存在一定的主观性等.针对这一问题，该文提出一种基于课程学习的胚胎图像语义分割方法，实现了胚胎细胞、细胞质与雌雄原核的分割，为后续胚胎质量评估提供定量的形态特征参数.首先，利用评估语义分割算法性能的IoU指标（Intersection over Union,IoU）构建课程学习的难度评分函数（Scoring Function,SF），根据SF评分将所有样本从易到难进行排序；再结合SF评分与目标类别数定义课程学习的步调函数（Pacing Functions,PF），构建了难易程度递增的样本子集；最后，设计多阶段渐进式U-net语义分割（Multi-Stage Progressive U-net,MSPU）模型，根据课程难度顺序依次训练不同阶段的网络，从而实现胚胎图像的语义分割.相关实验结果表明，本文提出的MSPU模型在胚胎图像语义分割任务上获得较好的性能，与基准模型相比，IoU值提高1.4%；特别是在较易与较难的分割任务上具有不错的表现，如细胞与雌雄原核的分割IoU值分别提升了4.6%与1.2%.

• 单位
  湘潭大学; 湘潭市中心医院; 湖南大学