从延时摄影到形态动力学：用于精确判断胚胎发育阶段的神经常微分方程动力学模型

《Journal of Assisted Reproduction and Genetics》：From time-lapse to morphokinetics: neural ODE dynamics for reliable embryo stage transition timing

　　

摘要

问题

延时成像技术能够实现体外受精过程中对胚胎的长期无创监测，但形态动态标注仍然是一项劳动强度大的工作，且不同操作者之间的标注结果可能存在差异。由于胚胎形态变化较为微妙，采集条件不尽相同，图像采样为离散且可能不规则，焦平面也存在差异，同时还需要具备时间上一致的预测能力，因此自动检测胚胎发育阶段的转变颇具挑战性。

目标

我们旨在利用一种稳健且以临床应用为导向的框架，检测胚胎延时成像视频中的形态动态阶段转变，该框架旨在辅助人工进行标注，而非取代临床决策或商业胚胎筛选系统。

方法

我们提出了一种时空神经常微分方程模型，用于在离散采集的观测数据之间进行连续时间下的潜在特征表示学习，该模型还结合了基于参考值的转变评分机制以及在线单类检测策略。这种名为基于参考值的神经常微分方程变化检测器（RB-NODE）的方法无需考虑具体转变类型，只需检测不断变化的潜在状态是否偏离当前发育阶段的典型特征表示即可。实验是在Gomez等人公开的公共数据集上进行的，该数据集是一个单中心延时成像基准数据集，包含来自7个焦平面的704段胚胎视频。所有报告的结果都是基于这7个焦平面视角生成的测试样本组合计算得出的，同时会对胚胎级数据进行严格分割，以避免不同焦平面之间的信息泄露。

结果

RB-NODE的AUC值为0.988，F1@frame值为0.975，Det@5f值为0.873，Det@10f值为0.956，平均绝对定位误差为2.64帧。尽管ResNet18+LSTM基线模型的Det@5f值略高一些，但在所有评估方法中，RB-NODE的AUC值、F1@frame值、Det@10f值以及平均时间误差表现最为优异。事件组分析显示，该模型在囊胚/胚泡相关的发育阶段转变检测方面表现尤为出色，Det@5f值为0.910，Det@10f值为0.978，平均时间误差为1.90帧。此外，RB-NODE还支持在线使用，在NVIDIA RTX 6000 Ada Generation显卡上处理图像的速率可达约171帧/秒。

结论

利用神经常微分方程进行连续时间时空建模，为胚胎延时成像中稳健的形态动态转变检测提供了一种具有前景且可重复的方法，能够为标准化的标注工作流程提供实际支持。所提出的框架仅作为标注辅助工具，而非自主的胚胎筛选系统。在投入临床应用之前，还需要在多个体外受精中心、不同的延时成像平台、不同的采集间隔、不同的标注规范以及不同的焦平面配置条件下进行外部验证。