
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于监督的对比学习方法在动物胚胎的细胞阶段分类中的应用
《Scientific Reports》:Supervised contrastive learning for cell stage classification of animal embryos
【字体: 大 中 小 】 时间:2026年05月03日 来源:Scientific Reports 3.9
编辑推荐:
摘要视频显微镜技术与机器学习的结合为研究体外培养(IVP)胚胎的早期发育提供了可行的方法。然而,手动标注发育事件(尤其是细胞分裂过程)对于生物学家来说非常耗时,且难以实现大规模应用。我们的目标是利用深度学习算法自动识别来自2D时间序列显微镜视频的胚胎细胞阶段。由于我们主要关注牛的
视频显微镜技术与机器学习的结合为研究体外培养(IVP)胚胎的早期发育提供了可行的方法。然而,手动标注发育事件(尤其是细胞分裂过程)对于生物学家来说非常耗时,且难以实现大规模应用。我们的目标是利用深度学习算法自动识别来自2D时间序列显微镜视频的胚胎细胞阶段。由于我们主要关注牛的繁殖应用,因此重点研究了牛胚胎的发育过程,并构建了“Bovine Embryos Cell Stages (ECS)”数据集。面临的挑战主要有三个方面:(1)图像质量较低以及牛胚胎细胞颜色较深,导致细胞阶段难以识别;(2)发育阶段边界处的分类模糊性;(3)数据分布不平衡。为了解决这些问题,我们提出了CLEmbryo方法,该方法结合了监督对比学习与焦点损失机制进行训练,并使用轻量级的3D神经网络CSN-50作为编码器。实验结果表明,我们的方法在Bovine ECS数据集以及公开的NYU小鼠胚胎数据集上的表现均优于现有先进技术。