{rfName}
De

Indexat a

Llicència i ús

Icono OpenAccess

Citacions

17

Altmetrics

Grant support

Supported in part by Agencia Valenciana de la Innovacion (AVI) (2002-VLC-011-MM), by the Spanish Government (DIN2018-009911; E.P.), by the Generalitat Valenciana (AEST/2021/054; V.N.), and by the Generalitat Valenciana with the donation of the DGX A100 used for this work, action co-financed by the European Union through the Operational Program of the European Regional Development Fund of the Comunitat Valenciana 2014-2020 (IDIFEDER/2020/030).

Anàlisi d'autories institucional

Payá, ElenaAutor (correspondència)Pulgarín, CristianAutor o coautorColomer, AdrianAutor o coautorNaranjo, ValeryAutor o coautor

Compartir

16 d’gener de 2025
Publicacions
>
Article
Sí

Deep learning system for classification of ploidy status using time-lapse videos

Publicat a:F And S Science. 4 (3): 211-218 - 2023-08-01 4(3), DOI: 10.1016/j.xfss.2023.06.002

Autors: Paya, Elena; Pulgarin, Cristian; Bori, Lorena; Colomer, Adrian; Naranjo, Valery; Meseguer, Marcos

Afiliacions

Hlth Res Inst Fe, Valencia, Spain - Autor o coautor
IVIRMA Valencia, Valencia, Spain - Autor o coautor
Univ Politecn Valencia, Inst Invest & Innovac Bioingn i3B, Valencia, Spain - Autor o coautor

Resum

Objective: To develop a spatiotemporal model for de prediction of euploid and aneuploid embryos using time-lapse videos from 10- Main Outcome Measures: The research used an end-to-end approach to develop an automated artificial intelligence system capable of extracting features from images and classifying them, considering spatiotemporal dependencies. A convolutional neural network extracted the most relevant features from each video frame. A bidirectional long short-term memory layer received this information and analyzed the temporal dependencies, obtaining a low-dimensional feature vector that characterized each video. A multilayer perceptron classified them into 2 groups, euploid and noneuploid. Results: The model performance in accuracy fell between 0.6170 and 0.7308. A multi-input model with a gate recurrent unit module performed better than others; the precision (or positive predictive value) is 0.8205 for predicting euploidy. Sensitivity, specificity, F1Score and accuracy are 0.6957, 0.7813, 0.7042, and 0.7308, respectively. Conclusions: This article proposes an artificial intelligence solution for prioritizing euploid embryo transfer. We can highlight the identification of a noninvasive method for chromosomal status diagnosis using a deep learning approach that analyzes raw data provided by time-lapse incubators. This method demonstrated potential automation of the evaluation process, allowing spatial and temporal information to encode. (Fertil Steril Sci (R) 2023;4:211-8. (c) 2023 by American Society for Reproductive Medicine.)

Paraules clau

AneuploidyArti fi cial intelligenceArtificial intelligenceBiopsyComputer visioComputer visionDeep learningEmbryosEuploidPgt-aPloidiesPloidyPredictionRemovaRetrospective studiesRetrospective studyTime lapse imagingTime-lapseTime-lapse imaging

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista F And S Science a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència Scopus (SJR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2023, es trobava a la posició , aconseguint així situar-se com a revista Q2 (Segundo Cuartil), en la categoria Embryology.

Des d'una perspectiva relativa, i atenent a l'indicador de impacte normalitzat calculat a partir de les Citacions Mundials de Scopus Elsevier, proporciona un valor per a la mitjana Ponderada de l'Impacte Normalitzat de l'agència Scopus: 1.15, el que indica que, comparat amb treballs en la mateixa disciplina i en el mateix any de publicació, el situa com un treball citat per sobre de la mitjana. (font consultada: ESI 14 Nov 2024)

Aquesta informació es reforça amb altres indicadors del mateix tipus, que encara que dinàmics en el temps i dependents del conjunt de citacions mitjanes mundials en el moment del seu càlcul, coincideixen a posicionar en algun moment el treball, entre el 50% més citats dins de la seva temàtica:

  • Field Citation Ratio (FCR) de la font Dimensions: 4.64 (font consultada: Dimensions Jul 2025)

Concretament, i atenent a les diferents agències d'indexació, aquest treball ha acumulat, fins a la data 2025-07-18, el següent nombre de cites:

  • WoS: 5
  • Scopus: 3
  • Europe PMC: 4

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2025-07-18:

  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 22 (PlumX).

Amb una intenció més de divulgació i orientada a audiències més generals, podem observar altres puntuacions més globals com:

    És fonamental presentar evidències que recolzin l'alineació plena amb els principis i directrius institucionals sobre Ciència Oberta i la Conservació i Difusió del Patrimoni Intel·lectual. Un clar exemple d'això és:

    • El treball s'ha enviat a una revista la política editorial de la qual permet la publicació en obert Open Access.

    Anàlisi del lideratge dels autors institucionals

    Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Primer Autor (Paya Bosch, Elena) .

    l'autor responsable d'establir les tasques de correspondència ha estat Paya Bosch, Elena.