en مدل هوش مصنوعی با استفاده از تجزیه و تحلیل آندومتر به عنوان پیش‌بینی‌کننده موفقیت فناوری کمک باروری در زمان انتقال جنین - مقاله مروری ناباروری Sterility مروری سیستماتيک Systematical Review <p><span style="font-size:12pt"><span style="font-size:10.0pt">ادغام هوش مصنوعی (</span><span dir="LTR" style="font-size:9.0pt">AI</span><span style="font-size:10.0pt">) در فناوری کمک باروری (</span><span dir="LTR" style="font-size:9.0pt">ART</span><span style="font-size:10.0pt">) به عنوان یک رویکرد تحول آفرین برای افزایش میزان موفقیت لقاح آزمایشگاهی (</span><span dir="LTR" style="font-size:9.0pt">IVF</span><span style="font-size:10.0pt">) و سایر مداخلات باروری ظهور کرده است. یکی از پیشرفت های مهم در این زمینه توسعه مدل </span><span dir="LTR" style="font-size:9.0pt">EndoClassify</span><span style="font-size:10.0pt"> است که از آنالیز آندومتر برای پیش بینی نتایج </span><span dir="LTR" style="font-size:9.0pt">ART</span> <span style="font-size:10.0pt">استفاده می کند. این مقاله روش‌شناسی، یافته‌ها و پیامدهای استفاده از هوش مصنوعی را برای ارزیابی پذیرش آندومتر و بهبود موفقیت انتقال جنین بررسی می‌کند.</span></span><br> &nbsp;</p> <span style="font-size:12px;"><span style="font-family:Tahoma;">The integration of artificial intelligence (AI) into assisted reproductive technology (ART) has emerged as a transformative approach to enhance the success rates of in vitro fertilization (IVF) and other reproductive interventions. One significant advancement in this field developing the EndoClassify model, which utilizes endometrial analysis to predict ART outcomes. This article explores the methodology, findings, and implications of using AI for assessing endometrial receptivity and improving embryo transfer success.</span></span><span style="font-size:12pt"><span new="" roman="" style="font-family:" times=""><span lang="FA" dir="RTL" style="font-size:10.0pt"></span></span></span><br> <span style="font-size:12pt"><span new="" roman="" style="font-family:" times=""><span style="font-size:10.0pt"></span></span></span><br> <br> &nbsp; هوش مصنوعی, اندومتر , فن آوری کمک باروری, انتقال جنین Artificial Intelligence, Endometrium, Assisted Reproductive Technology, Embryo Transfer 171 176 http://saremjrm.com/browse.php?a_code=A-10-615-1&slc_lang=en&sid=1 Vida Shafti ویدا شفتی 10031947532846004903 10031947532846004903 No School of Medicine, Tonekabon Branch, Islamic Azad University, Tonekabon, Iran دانشکده پزشکی، واحد تنکابن، دانشگاه آزاد اسلامی، تنکابن، ایران Alireza Azarboo علیرضا آذربو 10031947532846004904 10031947532846004904 Yes School of Medicine, Tehran University of Medical Sciences, Tehran, Iran دانشکده پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران.