دوره 9، شماره 3 - ( 1403 )
دوره 9 شماره 3 صفحات 176-171 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Shafti V, Azarboo A. Artificial Intelligence Model Using Endometrial Analysis as A Predictor of Assisted Reproductive Technology Success During Embryo Transfer - A Review Article. SJMR 2024; 9 (3) : 5
URL: http://saremjrm.com/article-1-313-fa.html
URL: http://saremjrm.com/article-1-313-fa.html
شفتی ویدا، آذربو علیرضا. مدل هوش مصنوعی با استفاده از تجزیه و تحلیل آندومتر به عنوان پیش‌بینی‌کننده موفقیت فناوری کمک باروری در زمان انتقال جنین - مقاله مروری. مجله تحقيقات پزشكي صارم. 1403; 9 (3) :171-176
ویدا شفتی1 
، علیرضا آذربو*2
، علیرضا آذربو*2
1- دانشکده پزشکی، واحد تنکابن، دانشگاه آزاد اسلامی، تنکابن، ایران
2- دانشکده پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران.
2- دانشکده پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران.
چکیده: (1345 مشاهده)
ادغام هوش مصنوعی (AI) در فناوری کمک باروری (ART) به عنوان یک رویکرد تحول آفرین برای افزایش میزان موفقیت لقاح آزمایشگاهی (IVF) و سایر مداخلات باروری ظهور کرده است. یکی از پیشرفت های مهم در این زمینه توسعه مدل EndoClassify است که از آنالیز آندومتر برای پیش بینی نتایج ART 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.
شماره‌ی مقاله: 5
نوع مقاله: مروری سیستماتيک |
موضوع مقاله:
ناباروری
دریافت: 1403/8/15 | پذیرش: 1403/9/25 | انتشار: 1403/10/29
دریافت: 1403/8/15 | پذیرش: 1403/9/25 | انتشار: 1403/10/29
فهرست منابع
1. Turner K, Reynolds-May MF, Zitek EM, Tisdale RL, Carlisle AB, Westphal LM. Stress and anxiety scores in first and repeat IVF cycles: a pilot study. PLoS One. 2013;8(5):e63743. [DOI:10.1371/journal.pone.0063743] [PMID] []
2. Meirzon D, Jaffa AJ, Gordon Z, Elad D. A new method for analysis of non-pregnant uterine peristalsis using transvaginal ultrasound. Ultrasound Obstet Gynecol. 2011;38(2):217-24. [DOI:10.1002/uog.8950] [PMID]
3. Mathyk B, Schwartz A, DeCherney A, Ata B. A critical appraisal of studies on endometrial thickness and embryo transfer outcome. Reprod Biomed Online. 2023;47(4):103259. [DOI:10.1016/j.rbmo.2023.103259] [PMID] []
4. Reid S, Nadim B, Bignardi T, Lu C, Martins WP, Condous G. Association between three-dimensional transvaginal sonographic markers and outcome of pregnancy of unknown location: a pilot study. Ultrasound Obstet Gynecol. 2016;48(5):650-5. [DOI:10.1002/uog.15923] [PMID]
5. Liao S, Wang R, Hu C, Pan W, Pan W, Yu D, Jin L. Analysis of endometrial thickness patterns and pregnancy outcomes considering 12,991 fresh IVF cycles. BMC Med Inform Decis Mak. 2021;21(1):176. [DOI:10.1186/s12911-021-01538-2] [PMID] []
6. Zegers-Hochschild F, Adamson GD, Dyer S, Racowsky C, de Mouzon J, Sokol R, et al. The International Glossary on Infertility and Fertility Care, 2017. Hum Reprod. 2017;32(9):1786-801. [DOI:10.1093/humrep/dex234] [PMID] []
7. Macklon NS, Geraedts JP, Fauser BC. Conception to ongoing pregnancy: the 'black box' of early pregnancy loss. Hum Reprod Update. 2002;8(4):333-43. [DOI:10.1093/humupd/8.4.333] [PMID]
8. Mahutte N, Hartman M, Meng L, Lanes A, Luo ZC, Liu KE. Optimal endometrial thickness in fresh and frozen-thaw in vitro fertilization cycles: an analysis of live birth rates from 96,000 autologous embryo transfers. Fertil Steril. 2022;117(4):792-800. [DOI:10.1016/j.fertnstert.2021.12.025] [PMID]
9. Greenwald NF, Miller G, Moen E, Kong A, Kagel A, Dougherty T, et al. Whole-cell segmentation of tissue images with human-level performance using large-scale data annotation and deep learning. Nat Biotechnol. 2022;40(4):555-65. [DOI:10.1038/s41587-021-01094-0] [PMID] []
10. Yamaguchi M, Yoshihara K, Suda K, Nakaoka H, Yachida N, Ueda H, et al. Three-dimensional understanding of the morphological complexity of the human uterine endometrium. iScience. 2021;24(4):102258. [DOI:10.1016/j.isci.2021.102258] [PMID] []
11. Gardner DK, Lane M, Stevens J, Schlenker T, Schoolcraft WB. Blastocyst score affects implantation and pregnancy outcome: towards a single blastocyst transfer. Fertil Steril. 2000;73(6):1155-8. [DOI:10.1016/S0015-0282(00)00518-5] [PMID]
12. Bulletti C, Franasiak JM, Busnelli A, Sciorio R, Berrettini M, Aghajanova L, et al. Artificial Intelligence, Clinical Decision Support Algorithms, Mathematical Models, Calculators Applications in Infertility: Systematic Review and Hands-On Digital Applications. Mayo Clinic Proceedings: Digital Health. 2024;2(4):518-32. [DOI:10.1016/j.mcpdig.2024.08.007] [PMID] []
13. Asch R, Suarez J, Laugas N, Ramirez M, Alkon T. Artificial intelligence model utilizing endometrial analysis to contribute as a predictor of assisted reproductive technology success. Journal of IVF-Worldwide. 2024;2. [DOI:10.46989/001c.115893]
14. Do not use your browser's 'BACK' button.
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
