(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211182264.4 (22)申请日 2022.09.27 (71)申请人 山西医科 大学 地址 030001 山西省太原市新建南路5 6号 (72)发明人 奥瑞芳　解军　李航　马雪涛　 梁宇翔　曹睿　金姗姗　刘志贞　 靳宁　金国荣　程海琴　李雪薇　 李然　 (74)专利代理 机构 太原华弈知识产权代理事务 所 14108 专利代理师 郭培培 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/34(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于AI深度学习算法的小鼠胚胎发育 评价方法 (57)摘要 本发明的提供一种基于AI深度学习算法的 小鼠胚胎发育评价方法， 通过PP ‑YOLO算法精准 快速的识别图像中形态学特征目标， 然后通过形 态学特征进行快速胎龄预测， 对 给定胚胎所呈现 的胎龄， 可精确到0.2 5～0.5天。 本发明方法解决 了目前小鼠胚胎发育评价工作量大、 准确率低下 的问题， 以及因评判者知识储备背景差异大、 胚 胎形态学的多样性、 实验平行性差等问题。 权利要求书2页 说明书5页 附图6页 CN 115511830 A 2022.12.23 CN 115511830 A 1.一种基于AI深度学习算法的小鼠胚胎发育 评价方法， 包括如下步骤， S1： 选取小鼠E8.0 ‑10.0期间的胚胎图像， 将胚胎图中形态学特征进行标记并制作名称 标签， 利用P P‑YOLOv4模型训练， 得到可识别图像中形态学 特征的识别模型； S2： 将S1胚胎图像中的形态学特征单独截取， 制作对应各个形态学特征图片的生长评 价文件， 分别利用卷积神经网络进行训练， 得到图像评 分模型， 所述生长评价文件中各个形 态学特征通过发育评分对应一个胚胎 发育阶段， S1中选取的E8.0 ‑10.0期间的胚胎图像按 照E8.0‑8.5.0， E8.5 ‑8.75， E8.75 ‑9.0， E9.0 ‑9.25， E9.25 ‑9.5， E9.5 ‑10.0分成六个胚胎发 育阶段； S3： 将待识别小鼠胚胎图片输入识别模型， 原图中输出对应形态学特征的矩形框与名 称标签数据， 并对图中各形态学特征进 行截图； 将截图输入图像评 分模型， 得到待识别图像 各形态学特征对应的发育 评分和发育阶段， S4： 建立胎龄验证模型， 基于S2的生长评价文件中各发育阶段内的各形态学特征进行 胎龄评价权重划分， 由高向低依次划分为胎龄预测形态学特征、 胎龄预测参考形态学特征、 不参考形态学 特征； S5： 胎龄预测， 统计S3中的输出结果， 当各形态特征的评分一半以上集中于一个发育阶 段时， 该发育阶段为待识别图片的预测胎龄； 当输出结果为各形态特征 的评分均布于两个 发育阶段时， 与S4的胎龄验证模型中对应的发育阶段分别进行比对， 去除权重较低的胎龄 预测参考形态学特征、 不参考形态学特征， 胎龄预测形态学特征符合数量占优的为预测胎 龄， 同时将S 3输出结果与预测胎龄阶段内的胎龄预测形态学特征评 分不一致的标识为存疑 形态学特征。 2.根据权利要求1所述的基于AI深度 学习算法的小鼠胚胎发育评价方法， 其特征在于： 所述存疑形态学 特征表示该 形态学特征可能存在发育迟缓 或畸形。 3.根据权利要求1所述的基于AI深度 学习算法的小鼠胚胎发育评价方法， 其特征在于： 所述形态学特征包括卵黄囊、 转体、 尿囊、 前脑、 中脑、 后脑、 眼泡、 耳泡、 嗅泡、 心脏、 前肢、 后 肢、 尾神经 管、 鳃弓、 上颌和下颌。 4.根据权利要求1所述的基于AI深度 学习算法的小鼠胚胎发育评价方法， 其特征在于： 所述步骤S4中各形态学特征进 行胎龄评价权重划分时排除卵黄囊、 尿囊， 卵黄囊、 尿囊作为 单独评价特 征。 5.根据权利要求1所述的基于AI深度 学习算法的小鼠胚胎发育评价方法， 其特征在于： 所述E 8.0‑8.5胚胎发育阶段的形态学特征， 包括7项， 分别 为卵黄囊、 尿囊、 转体、 心脏、 尾 神经管、 前脑、 后脑； 该阶段胎龄预测形态学特征为心脏、 尾神经管、 前脑和后脑， 胎龄预测 参考形态学 特征为转体； 所述E 8.5‑8.75胚胎发育阶段的形态学特征， 包括10项， 分别为卵黄囊、 尿囊、 转体、 心 脏、 尾神经管、 前脑、 中脑、 后脑、 眼泡、 耳泡， 该阶段胎龄预测形态学特征为心脏、 尾神经管、 中脑、 前脑、 眼泡、 耳泡， 胎龄预测参 考形态学 特征为转体， 不参考形态学 特征后脑； 所述E 8.75‑9.0胚胎发育阶段的形态学特征， 包括13项， 分别为卵黄囊、 尿囊、 转体、 心 脏、 尾神经管、 前脑、 中脑、 后脑、 眼泡、 耳泡、 鳃弓、 上颌、 下颌， 该 阶段胎龄预测形态学特征 为中脑、 后脑、 耳泡、 眼泡、 上颌和鳃弓， 胎龄预测参考形态学特征为转体、 尾神经管、 前脑， 不参考形态学 特征心脏；权　利　要　求　书 1/2 页 2 CN 115511830 A 2所述E 9.0‑9.25胚胎发育阶段的形态学特征， 包括15项， 分别为卵黄囊、 尿囊、 转体、 心 脏、 尾神经管、 前脑、 中脑、 后脑、 眼泡、 耳泡、 嗅泡、 前肢、 鳃弓、 上颌和下颌， 该阶段胎龄预测 形态学特征为心脏、 前脑、 眼泡、 耳泡、 前肢、 鳃弓、 上颌， 胎龄预测参考形态学特征为尾神经 管、 后脑、 中脑、 嗅泡、 下颌、 转体； 所述E 9.25‑9.5胚胎发育阶段的形态学特征， 包括16项， 分别为卵黄囊、 尿囊、 转体、 心 脏、 尾神经管、 前脑、 中脑、 后脑、 眼泡、 耳泡、 嗅泡、 前肢、 鳃弓、 上颌、 下颌、 后肢， 该阶段胎龄 预测形态学特征为心脏、 尾神经管、 前脑、 中脑、 后脑、 眼泡、 耳泡、 鳃弓和后肢， 胎龄预测参 考形态学 特征为转体、 嗅泡、 下颌， 不 参考形态学 特征上颌、 前肢； 所述E 9.5‑10.0胚胎发育阶段的形态学特征， 包括16项， 分别为卵黄囊、 尿囊、 转体、 尾 神经管、 心脏、 前脑、 中脑、 后脑、 眼泡、 耳泡、 嗅泡、 前肢、 后肢、 鳃弓、 上颌和下颌； 该阶段胎 龄预测形态学特征为心脏、 前脑、 中脑、 后脑、 眼泡、 耳泡、 嗅泡、 前肢、 鳃弓和上颌， 胎龄预测 参考形态学 特征为转体、 下颌， 不 参考形态学 特征尾神经 管、 后肢。 6.根据权利要求1所述的基于AI深度 学习算法的小鼠胚胎发育评价方法， 其特征在于： 步骤S1目标识别， 对卵黄囊、 尿囊、 前脑、 中脑、 后脑、 眼泡、 耳泡、 嗅泡、 心脏、 前肢、 后肢、 转 体、 尾神经管、 鳃弓、 上颌和下颌采用PP ‑YOLOV4模型算法， 在unbuntu系统下， 使用NVIDIA   Tesla V100 GPU进行训练模型， 采用IOU和mAP作为识别准确性的评价指标。 7.根据权利要求6所述的基于AI深度 学习算法的小鼠胚胎发育评价方法， 其特征在于： 步骤S1中，  PP‑YOLO V4算法初筛结果得到的疑似区域之后， 先对图像进行边缘增强及锐 化， 再根据胚胎形态学特征 的色值做灰度化以及二值化分割， 将胚胎形态学特征与背景分 割开来， 再通过Canny算子对其进行轮廓提取， 在得到清晰轮廓后， 则在轮廓上 随机取点进 行拟合， 若拟合区域与二值化后形态学特征所在拟合区域重叠部分超过95％以上， 则可以 判断此区域内的形态学特征形状符合形态学特征发育形状特点可将其判定为该形态学特 征。权　利　要　求　书 2/2 页 3 CN 115511830 A 3