一种基于时差成像多任务学习的IVF-ET胚胎选择方法

本发明公开了一种基于时差成像多任务学习的IVF‑ET胚胎选择方法，属于图像数据处理与辅助生殖领域，所述方法为：首先利用编码模块，通过膨胀三维卷积网络和双向长短期记忆网络有效提取胚胎时差成像序列中的时空特征；然后，在硬参数共享的多任务学习框架下，利用共享的特征表示，通过多个任务特定预测器同时预测基于lstanbul共识的质量分级和基于Gardner分级的发育等级等多个关键指标；训练过程中采用AdaTask优化算法与Frank‑Wolfe方法优化模型参数，并引入虚拟预测器机制增强模型通用性；本发明能够更准确、客观、高效地评估胚胎质量和发育潜能，减轻胚胎学家负担，提高IVF、ET的成功率，并可应用于畜牧业、濒危物种保护等领域。