MétaCan
Menu
Retour à la cohorte
Enregistrement W4402264071 · doi:10.23919/acc60939.2024.10644252

Precision ZP Perforation Automation: A Vision-Based Robotic Approach for Blastocyst Embryo Biopsy

2024· article· en· W4402264071 sur OpenAlexaff
Ihab Abu Ajamieh, Mohammad Al Janaideh, James K. Mills

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of TorontoUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBlastocystAutomationArtificial intelligenceComputer visionComputer scienceEmbryoPerforationEngineeringBiologyEmbryogenesisCell biologyMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Microsurgical operations such as embryo biopsy require extracting a material sample from inside the embryo for genetic testing. A precise perforation for embryo zona pellucida (ZP) is required to permit access for the biopsy micropipette to extract the sample. Many approaches have been developed for the ZP perforation, such as mechanical, chemical, and photothermolysis (the laser). This paper presents an automatic method for the blastocyst embryo ZP perforation. This method utilizes a conventional laser system currently in use in manual approaches in research labs and in-vitro fertilization clinics and controls the whole perforation process using a vision feedback system. An experimental setup is developed to verify the behavior of the proposed method, in which a holding micropipette is used to hold and move the embryo, which is then moved in two coordinate directions toward the laser spot location. A computer vision algorithm is used to estimate the embryo ZP thickness to tune the laser parameters and estimate the ZP circle median quadrant coordinates. Then use this information as a feedback signal to a simple proportional controller to control the embryo motion. Experimental results demonstrate that the system is capable of embryo relocation and ZP perforation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,852
Score d'incertitude au seuil0,466

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,236
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207