作为不孕症治疗方法之一的体外受精（IVF）效果不佳，日本辅助生殖技术的妊娠成功率仅为12.6%。传统 IVF 治疗中的人类胚胎评估是基于熟练胚胎培养专家的形态学分析的人工评估，评估之间存在差异。另一方面，随着显微镜技术和成像技术的进步，获得显影过程的时间序列3D荧光显微镜图像成为可能，但图像处理精度低，无法获得准确的定量指标在开发过程中，还是有难度的。

　在研究中，我们提出了一种利用深度学习算法的“卷积神经网络”的分割算法（QCANet），即使在50多个细胞像小鼠胚胎一样密密麻麻的状态下，也能准确识别细胞核，并量化它在小鼠发育过程中。我们的目的是获得一个目标指数。结果，我们成功地以世界上最高的准确度自动评估了小鼠、线虫和果蝇这三种物种的细胞核。结果发现，即使是看起来以同样方式发生的受精卵，在每个分裂的状态下也具有“个体性”。

　开发的算法已经成功地在广泛的发育阶段（数百到数千个细胞）的核识别，并且可能是作为发育生物学基础的非常有用的工具。此外，这次将荧光物质引入每个胚胎中，用于模式生物对细胞核进行染色，但为了准备应用于人类胚胎，该公司计划在未来开发一种从未染色图像中进行细胞识别的算法。...

纸张信息：[Npj Systems Biology and Applications] 基于3D卷积神经网络的分割获得小鼠胚胎发生过程中细胞核的定量标准