Diseño y desarrollo de un sistema automático de segmentación morfológica de blastocistos para predecir el potencial de implantación embrionaria

Abstract

[ES] La baja natalidad y el aumento de la esperanza de vida se presentan como un problema a largo plazo en nuestra sociedad. La evolución de la pirámide poblacional, y su proyección futura, prevé un problema social y económico a nivel nacional y global. La baja natalidad esta relacionada, en gran medida, con el incremento de la infertilidad en la población debido a diferentes factores sociales, ambientales y económicos. En este contexto, la evaluación de embriones in vitro es una línea de trabajo que ha mejorado considerablemente en los últimos 20 años dejando atrás la evaluación clásica. La aparición de los incubadores con sistemas time-lapse han permitido la monitorización continua de los embriones aportando información morfocinética y morfológica convencional, además de posibilitar la introducción de la inteligencia artificial en el campo de la embriología. El objetivo de este TFG es el desarrollo de modelos de deep learning capaces de segmentar las estructuras morfológicas que forma el blastocisto en sus últimas etapas de desarrollo embrionario. Esta información es necesaria de cara a evaluar la calidad de un embrión y predecir su potencial de implantación. Para ello, se hará uso de una base de datos aportada por el Instituto Valenciano de Infertilidad que consta de imágenes a 112 horas postinseminación y la información clínica asociada. Metodológicamente, se quiere hacer uso de redes neuronales convolucionales que reconstruyan la imagen en forma de máscara de etiquetas. El trabajo incluirá la segmentación manual de las imágenes, el desarrollo de algoritmos basados en algoritmos de deep learning y la validación de los modelos obtenidos.

[EN] Low birth rates and increased life expectancy are a long-term problem in our society. The evolu- tion of the population pyramid and its future projection foresee a social and economic problem at the national and global level. The low birth rate is largely related to the increase in infertility in the population due to different social, environmental and economic factors. In this context, in vitro embryo evaluation is a line of work that has improved considerably in the last 20 years, leaving behind the classical evaluation. The appearance of incubators with time-lapse systems has allowed the continuous monitoring of embryos, providing conventional morphokinetic and morphological information, as well as allowing the introduction of artificial intelligence in the field of embryology. The objective of this thesis is the development of deep learning models capable of segmenting the morphological structures that the blastocyst forms in its last stages of embryonic development. This information will be used to evaluate the quality of an embryo and predict its implantation potential. For this, a database provided by the Instituto Valenciano de Infertilidad will be used, consisting of images at 112 hours post-insemination and the associated clinical information. Methodologically, we want to make use of convolutional neural networks that reconstruct the image as a labeled mask and that predict the quality of the embryo. The work will include the manual segmentation of the images, the development of models based on deep learning algorithms and their corresponding validation.