Thesis
Spanish
ID: <
http://hdl.handle.net/10251/169699>
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. Vergara Richart, AJ. (2021). Diseño y desarrollo de un sistema automático de segmentación morfológica de blastocistos para predecir el potencial de implantación embrionaria. Universitat Politècnica de València. http://hdl.handle.net/10251/169699