Integrating AI in Assisted Reproduction: Enhancing Fertility Treatments through Deep Learning
La introducció de tecnologies reproductives assistides marca un avenç revolucionari en ciència biològica, obrint una nova era en la salut humana i la conservació de vida silvestre. Aproximadament el 15% de parelles enfronten infertilitat globalment, desafiant el somni de ser pares. La reproducció as...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | CBUC, CESCA |
| Repositorio: | TDR. Tesis Doctorales en Red |
| OAI Identifier: | oai:www.tdx.cat:10803/692980 |
| Acceso en línea: | http://hdl.handle.net/10803/692980 |
| Access Level: | acceso abierto |
| Palabra clave: | Intel·ligència artificial Artificial intelligence Inteligencia artificial Tecnologies 004 |
| Sumario: | La introducció de tecnologies reproductives assistides marca un avenç revolucionari en ciència biològica, obrint una nova era en la salut humana i la conservació de vida silvestre. Aproximadament el 15% de parelles enfronten infertilitat globalment, desafiant el somni de ser pares. La reproducció assistida ofereix esperança amb solucions com la Fecundació In Vitro (FIV) i la subrogació, alegrant a milions de famílies. En 2018, la FIV va generar més de 2,5 milions de naixements, transformant la dinàmica familiar. A més, en la conservació d'espècies en perill, aquestes tècniques es converteixen en eines vitals. Més de 1.000 espècies de mamífers estan en risc d'extinció, fent crucial la inseminació artificial i transferència d'embrions per mantenir l'equilibri ecològic. La intel·ligència artificial (IA) juga un paper central en l'evolució de la reproducció assistida, millorant la precisió i eficiència des de l'anàlisi genètic fins a la predicció de viabilitat d'embrions. Aquest encreuament entre IA i reproducció assistida exemplifica com enfocaments interdisciplinaris superen límits, creant esperança. La tesi explora el paper de complexos d'oòcits cumulus en el desenvolupament saludable d'oòcits i embrions, utilitzant tècniques avançades d'aprenentatge profund per avaluar i segmentar elements d'estudi essencials, destacant la importància de l'expansió i densitat cel·lular per a un desenvolupament embrionari saludable. A més, aborda el desafiament d'etiquetar estructures biològiques complexes amb múltiples experts, introduint xarxes neuronals convolucionals acoblades per refinar la segmentació, la qual cosa millora la precisió en la identificació de característiques crítiques per al desenvolupament d'embrions saludables. Aquest estudi avança significativament en reproducció assistida, aplicant IA en processos biològics per millorar l'eficiència de les tecnologies reproductives, obrint noves direccions en recerca i aplicació. |
|---|