基于图像和文本信息的胚胎质量评估机器学习模型

本发明提出了一种训练机器学习模型的方法，所述机器学习模型用于对胚胎质量进行评估。根据本发明的实施例，所述机器学习模型包括图像特征提取器子模型、文本特征提取器子模型和匹配度预测子模型，所述方法包括：获取训练胚胎样本的图像信息和所述训练胚胎样本对应的文本信息；将所述图像信息输入至图像特征提取器子模型，以便获得所述训练胚胎样本的图像特征；和将所述文本信息输入至文本特征提取器子模型，以便获得所述训练胚胎样本的文本特征；将所述图像特征和所述文本特征输入至匹配度预测子模型，所述匹配度预测模型输出所述图像特征和所述文本特征的匹配度；和基于来自相同所述训练胚胎样本的所述图像特征和所述文本特征具有高匹配度，对所述图像特征提取器子模型、所述文本特征提取器子模型和所述匹配度预测子模型进行训练，以便获得所述机器学习模型。

上述机器学习模型有什么优势

综合利用图像和文本信息：该机器学习模型综合利用了图像和文本信息，能够更全面地评估胚胎质量，提高了评估准确度。
自动化评估：该机器学习模型能够自动化地评估胚胎质量，减少了人工干预，提高了评估效率。
高准确度：该机器学习模型基于大量的训练数据进行训练，能够提供高准确度的胚胎质量评估结果。
应用灵活：该机器学习模型可应用于不同胚胎评估场景，如人工授精、体外受精等，具有广泛的应用前景。