Comparison of U-Net Based Models for Human Embryo Segmentation

Authors : Nefise UYSAL, Tahir Koray YOZGATLI, Ecem Nur YILDIZCAN, Emre KAR, Murat GEZER, Ercan BAŞTU

Pages : 35-44

Doi:10.17671/gazibtd.949430

View : 20 | Download : 15

Publication Date : 2022-01-31

Article Type : Research Paper

Abstract :Tüp bebek tedavisi sırasında üretilen insan embriyolarının kalitesi, geleneksel olarak klinik embriyologlar tarafından derecelendirilir ve bu süreç zaman alıcı olup insan hatasına açıktır. Hızlandırılmış mikroskopi (TLM) yöntemi ile alınan görüntüleri derecelendirmek için yapay zeka yöntemleri kullanılabilir. TLM görüntülerinde embriyonun arka plandan segmentasyonu, arka planın derecelendirme algoritmalarını yanlış yönlendirebilecek çeşitli artefaktlara sahip olması nedeniyle embriyo kalite değerlendirmesi için önemli bir adımdır. Bu çalışmada, derin öğrenmeye dayalı otomatikleştirilmiş 5. gün insan embriyosu (blastosist) görüntü segmentasyon yöntemlerinin karşılaştırmalı bir analizi yapılmıştır. U-Net ve üç varyantından oluşan dört tam evrişimli derin model, iki gradyan iniş tabanlı optimizasyon algoritmasının ve iki kayıp fonksiyonunun kombinasyonu kullanılarak oluşturulmuş ve önerilen modelimiz ile karşılaştırılmıştır. Test setindeki deneysel sonuçlar, optimizasyon fonksiyonu olarak Adam ve kayıp fonksiyonu olarak ise Dice kullanan özelleştirilmiş Dilated Inception U-Net modelinin, sırasıyla %98.68, %97.52, %99.20 ve %98.52'lik Dice katsayısı, Jaccard benzerlik katsayısı, doğruluk ve kesinlik ile diğer U-Net tabanlı modellerden daha iyi performans gösterdiğini doğrulamıştır.
Keywords : U Net, derin öğrenme, evrişimli sinir ağları, in vitro fertilizasyon IVF, insan embriyosu, segmentasyon