一种用于支持辅助生殖决策的信息处理系统

技术领域

本发明涉及辅助生殖领域，特别涉及用于支持辅助生殖决策的信息处理系统。

背景技术

目前，延时成像已经广泛用于评估胚胎质量，因其可以确定胚胎发育事件的时间，并用于衡量胚胎的形态动力学参数。例如中国专利CN101331500B公开了利用基于延时摄影获取的一系列胚胎图像的像素差异获得差异图像，利用差异图像的参数集合形成的时间系列图获得细胞重排的量的信息，藉此确定胚胎的质量。

现有技术中，S9404908B2、CN103748216B、US20140349334A1、US20130337487A1均是仅根据胚胎发育各个周期的时间点或比列关系，通过决策树算法判断胚胎质量。

N106399448B公开了一种分层筛选模型，其中首先设置一层异常卵裂排除筛选，剔除排除条件的卵裂模式，包括大碎片、发育阻滞、非二倍性卵裂、非对称卵裂、卵裂球碎裂、融合及混合卵裂模式，将正常卵裂、不均和非轴性卵裂的胚胎纳入下一层筛选；

CN104232566B说明书第[0110]及图3公开的分级决策程序首先对队列中的所有胚胎进行形态学筛选，丢弃高度异常、吸引力或明显停滞的胚胎，下一步是排除满足以下三个排除标准中的任何一个的胚胎：i)在2细胞阶段卵裂球大小不均匀，ii)从一个细胞突然分裂到三个或更多细胞；或iii)四细胞阶段的多核化，而后再基于胚胎发育各个周期的时间点和/或比例关系判断胚胎质量。并且，该专利第[0108]段记载“用于(决策树)模型中的变量可以例如是基于形态学事件之间的时间间隔的形态学胚胎参数和相应的归一化形态学胚胎参数以及离散变量(例如多核现象或卵裂球的均匀性)，或这些变量的任何组合。”

在现有的胚胎决策系统，存在依照参数量维度单一，决策手段死板，导致系统输出的决策判断不可靠。

因此，为了提高决策准确率，完善决策判别维度，需要开发一种用于支持辅助生殖决策的信息处理系统。

发明内容

本发明目的是为了为了提高决策准确率，完善决策判别维度，提供一种用于支持辅助生殖决策的信息处理系统。

为解决上述技术问题，本发明采用下述技术方案：

一种用于支持辅助生殖决策的信息处理系统，其特征在于，包括：

胚胎图像数据集由多组胚胎图像数据组成，所述胚胎图像数据集被划分为训练数据集、验证数据集和测试数据集；

标注模块，用于对所述胚胎图像数据中的胚胎参数进行标注，将所述胚胎参数标注为用于分析的胚胎参数特征；

数据处理模块，对所述胚胎图像数据进行数据清洗和/或数据增强；

检测模块，包括训练模块和推理模块，所述训练模块中检测模型对所述训练数据集和验证数据集中的所述胚胎参数特征进行学习，所述推理模块中已训练完成的所述检测模型对通过测试数据集生成胚胎发育结果；

面积计算模块，以所述检测模块输出的所述胚胎发育结果为基础，计算胚胎面积参数；

和决策模块，包括一种多层级决策分数模型，其基于所述胚胎发育结果和/或所述胚胎面积参数对胚胎发育结局进行预测，提供辅助生殖决策。

进一步地，所述胚胎参数包括：胚胎细胞、原核、核仁、核仁分布、极体、碎片、透明带、细胞囊胚、卵裂球等。

进一步地，所述胚胎参数特征包括：细胞特征、原核特征、极体特征、核仁特征、碎片特征、胚胎结果特征等。

进一步地，所述数据处理模块包括数据清洗模块和数据增强模块，所述数据清洗模块用于剔除不合格的图像或标注内容错误的所述胚胎图像数据；所述数据增强模块用于对标注后的所述胚胎图像数据进行数据增强，所述数据增强模块的数据增强方法包括几何变换方法、颜色变换方法、多样本数据增强方法、训练前数据增强方法和训练过程中数据增强方法。

进一步地，所述数据增强模块增强所述胚胎图像数据时，随机选择多种所述数据增强方法作为组合，随机产生每个数据增强方法的概率和幅度。

进一步地，所述训练模块输入为训练数据集和验证数据集，所述检测模型对所述胚胎参数特征进行提取，计算出预测结果，再计算所述预测结果与胚胎结果特征之间的损失值，通过根据损失值计算梯度，对所述检测模型进行更新，达到最优拟合所述训练数据集的所述检测模型；当每一轮次训练结束后，输入所述验证数据集进行验证测试，所述检测模型计算出预测结果，再计算所述预测结果与所述验证数据集中胚胎结果特征之间的损失值，该损失值用来判断检测模块每轮训练效果。

进一步地，所述胚胎发育结果包括：细胞第一次分裂时间以及分裂细胞时位置信息、细胞第二次分裂时间以及分裂细胞时位置信息、细胞第三次分裂时间以及分裂细胞时位置信息、细胞第四次分裂时间以及分裂细胞时位置信息、原核个数、原核形成时间、原核消失时间、原核形成时两原核位置信息、原核消失时两原核位置信息、原核消失到细胞第一次分裂时间、核仁位置信息、碎片位置信息、极体个数、极体位置信息、双细胞处碎片特征、四细胞处碎片特征、八细胞处碎片特征。

进一步地，所述面积计算模块获取所述胚胎发育结果中所述细胞位置信息、所述原核位置信息、所述核仁位置信息、所述极体位置信息和所述碎片位置信息在所述胚胎图像数据中进行裁剪，作为所述面积计算模块的输入。

进一步地，所述胚胎面积参数包括：细胞第一次分裂各个细胞的面积及其之间的差值、细胞第二次分裂各个细胞面积及差值、细胞第三次分裂各个细胞面积及差值、细胞第四次分裂各个细胞面积及差值、原核形成时各个原核面积及差值，原核消失时各个原核面积及差值，原核消失前8小时各个原核的面积及差值、极体面积及差值、核仁面积及差值。

进一步地，所述多层级决策分数模型的输入为决策参数，所述多层级决策分数模型包括：分层模块、分级模块、和计分模块；所述分层模块将所述决策参数分为初期、中期、后期三层，每层进行独立决策；所述分级模块将每层中的所述决策参数划分为一级、二级、三级，一级决策参数指胚胎发育过程中的至关决定性参数；二级决策参数指胚胎发育过程中次重要参数；三级决策参数指胚胎发育过程中较低影响因素参数；所述计分模块给每个所述决策参数标定相应分数，用于做决策判断。

进一步地，所述计分模块的计分规则为：不满足所述一级决策参数直接出局，每满足一个所述二级一级决策参数奖励两分，每满足一个所述三级一级决策参数奖励一分，计算出每层的分值总和，当每层分值总和大于该层满分80％，系统认定该层胚胎表现较佳，再通过求和方式算出该胚胎的总分值，最终系统给出辅助生殖决策。

本发明通过标注模块、数据处理模块和检测模块对胚胎图像数据中的胚胎要素进行准确检测，同时对其进行面积检测，决策模块综合检测模块与面积检测的输出进行全面决策，最终得出完整的辅助生殖决策。本发明中的信息处理系统比现有技术中的胚胎检测技术更加全面与准确，漏检率和错检率较低。

附图说明

本发明的以上技术内容以及下面的具体实施方式在结合附图阅读时会得到更好的理解。需要说明的是，附图仅作为所请求保护的技术方案的示例。在附图中，相同的附图标记代表相同或类似的元素。

图1是本发明一实施例信息处理系统的框图；

图2是本发明一实施例标注模块的胚胎图像数据示意图。

具体实施方式

以下在具体实施方式中叙述本发明的详细特征以及优点，其内容足以使本领域技术人员了解本发明的技术内容并据以实施，且根据本说明书、权利要求及附图，本领域技术人员可轻易地理解本发明相关的目的及优点。

如图1所示，用于支持辅助生殖决策的信息处理系统，包括：胚胎图像数据集、标注模块、数据处理模块、检测模块、面积计算模块和决策模块。

胚胎图像数据集由多组胚胎图像数据组成。每组胚胎图像数据为通过对胚胎进行覆盖多个胚胎阶段的延时(Time-lapse)摄影，获取胚胎的多个胚胎图像数据的原始图像。每一组胚胎图像数据包括一个胚胎的发育过程延时摄影图像。胚胎这样的延时摄影设备是现有技术中已知的，通过将高分辨率的摄像头与胚胎培养箱相结合，以特定的间隔、频率、角度等对胚胎发育过程进行连续动态监测并且拍摄图像，无需频繁干扰胚胎培养箱内环境，即能够对胚胎发育过程进行形态学观测和分析。

胚胎图像数据集通过用户上传信息处理系统，胚胎图像数据集被信息处理系统自动划分为训练数据集、验证数据集和测试数据集。具体的，训练数据集、验证数据集和测试数据集的划分比例可以为7:1:2。

标注模块，用于对胚胎图像数据集中的胚胎参数进行标注，获取所需要用于分析的胚胎参数特征。具体的，根据所标注对象的不同，标注模块所使用的标注方法可以为：矩形框标注、圆形标注、椭圆标注、多边形标注等。

具体的，胚胎参数可以包括以下一个或多个参数：胚胎细胞、原核、核仁、核仁分布、极体、碎片、透明带、细胞囊胚、卵裂球等，使用者可随时根据需求对标注的胚胎参数进行修改。

具体的，胚胎参数特征可以包括：细胞特征、原核特征、极体特征、核仁特征、碎片特征、胚胎结果特征等。

细胞特征包括：细胞第一次分裂时间以及分裂细胞对称性、细胞第二次分裂时间以及分裂细胞对称性、细胞第三次分裂时间以及分裂细胞对称性、细胞第四次分裂时间以及分裂细胞对称性。

原核特征包括：原核个数，原核形成时间，原核消失时间，原核形成时两原核位置信息，原核消失时两原核位置信息，原核消失到细胞第一次分裂时间。

极体特征：极体个数，极体位置信息。

核仁特征：核仁前期排列特征，核仁位置信息。

碎片特征：双细胞处碎片特征，四细胞处碎片特征，八细胞处碎片特征。

胚胎结果特征：胚胎最终发育结果。

进一步地，每组胚胎图像数据的胚胎结果特征是相同的。

数据处理模块，对胚胎图像数据进行数据清洗和/或数据增强。数据处理模块包括数据清洗模块和数据增强模块。

数据清洗模块用于剔除不合格的图像或标注内容错误的胚胎图像数据。具体的，数据清洗模块对整个胚胎图像数据集的胚胎图像数据进行数据增强。

在一实施例中，数据清洗模块包括数据可视化模块，数据可视化模块用于为用户提供胚胎图像数据的预览，并同时显示相应胚胎图像数据被标注的胚胎参数特征。用户可以手动对不合格胚胎图像数据进行删除，不合格的胚胎图像数据例如像素较差、模糊、混肴模型的胚胎图像数据；胚胎参数特征标注错误的胚胎图像数据；胚胎参数特征位置偏移的胚胎图像数据等。

数据增强模块用于对标注后的胚胎图像数据进行数据增强。数据增强模块能够增加检测模型的泛化能力和鲁棒性，达到增强学习效果。具体的，数据增强模块只对训练数据集中的胚胎图像数据进行数据增强。

数据增强模块中所使用的数据增强方法包括训练前数据增强方法和训练过程中数据增强方法：

1、训练前数据增强方法：参考CN202210425212.9中公开的胚胎发育阶段的扩充图像集的生成系统，利用生成模块中的生成器和判别器，对一张胚胎图像数据增加随机噪声生成新的胚胎图像数据，再通过判别器判断新的胚胎图像数据是否真实，经过博弈，产生虚拟的接近真实图片的胚胎图像数据以达到数据增强效果，达到扩充胚胎图像数据集的效果，使得检测模块增强泛化能力和鲁棒性；

2、训练过程中数据增强方法：利用三张胚胎图像数据进行随机拼接，将三张胚胎图像数据拼接后获得一张新的胚胎图像数据，新的胚胎图像数据包含了这三张不完整胚胎图像数据(三张胚胎图像数据经过随机裁剪后拼接成一张原图大小的图)，系统会自动根据原始三张胚胎图像数据的胚胎参数特征生成新的胚胎图像数据的胚胎参数特征。在训练过程中，相同的计算资源情况下，使得检测模块能够学习到三倍的胚胎参数特征，更有利于检测模块收敛，减少训练时间。

数据增强方法还可以包括：几何变换方法(例如翻转、旋转、裁剪、缩放、平移、抖动等)、颜色变换方法(例如添加噪声、模糊处理、擦除处理、填充处理等)、多样本数据增强方法(例如SMOTE、SamplePairing、Mixup等)。数据增强模块还可以包括训练前数据增强方法和训练过程中数据增强方法。

数据增强模块从数据增强方法中选择多个数据增强方法作为组合，随机产生使用该操作的概率和相应的幅度(参数设置)，在训练过程中每一个batch(批次)的胚胎图像数据，随机采用选中的多个数据增强方法中的一种数据增强方法进行数据增强。

检测模块，包括训练模块和推理模块，所述训练模块中检测模型对所述训练数据集和验证数据集中的所述胚胎参数特征进行学习，所述推理模块中已训练完成的所述检测模型对通过测试数据集生成胚胎发育结果。

1)训练模块：输入为训练数据集、验证数据集。

在训练模块中，检测模型对胚胎参数特征进行提取，通过检测模型中前向传播算法计算出胚胎发育结果，再通过检测模型中损失函数计算预测结果与胚胎结果特征之间的损失值，通过反向传播算法根据损失值计算梯度，对检测模块的模型参数进行更新，达到最优检测模型模型拟合训练数据集。

当每一轮次训练结束后，输入验证数据集进行验证测试，该阶段不更新算法模型中的参数，只利用检测模型中前向传播算法计算出胚胎发育结果(预测结果)，再通过检测模型中损失函数计算预测结果与验证数据集中胚胎结果特征之间的损失值，该损失值用来判断检测模块每轮训练效果。

所述训练模块中的检测模型包括：

R-CNN、Fast R-CNN、Faster RCNN、SSD、RetinaNet、Mask R-CNN、YOLOv3、YOLOv5等；

检测模型大致方法：

一、获得胚胎图像选择候选框区域；

二、通过CNN卷积神经网络对输入图片进行卷积操作获得feature map；

三、将获得的候选框区域映射到feature map中，提取出每个候选框区域特征；

四、对每个候选框区域特征进行分类回归；

2)推理模块：输入为测试数据集。

当训练模块训练完所有轮次后，输入测试数据集，利用检测模型中前向传播算法计算出胚胎发育结果。胚胎发育结果包括：细胞第一次分裂时间以及分裂细胞时位置信息(根据位置信息判断对称性)、细胞第二次分裂时间以及分裂细胞时位置信息、细胞第三次分裂时间以及分裂细胞时位置信息、细胞第四次分裂时间以及分裂细胞时位置信息、原核个数、原核形成时间、原核消失时间、原核形成时两原核位置信息、原核消失时两原核位置信息、原核消失到细胞第一次分裂时间、核仁位置信息、碎片位置信息、极体个数、极体位置信息、双细胞处碎片特征、四细胞处碎片特征、八细胞处碎片特征。位置信息中包括目标的圆心坐标及宽高(x，y，w，h)。

面积计算模块，对检测模块输出的胚胎发育结果为基础，计算胚胎面积参数。具体的，面积计算模块对细胞、原核、核仁、极体、碎片的位置信息在原胚胎数据图像中进行裁剪，作为面积计算模块的输入，对相关胚胎参数进行面积计算得到胚胎面积参数。

胚胎面积参数包括：细胞第一次分裂各个细胞的面积及其之间的差值、细胞第二次分裂各个细胞面积及差值、细胞第三次分裂各个细胞面积及差值、细胞第四次分裂各个细胞面积及差值、原核形成时各个原核面积及差值，原核消失时各个原核面积及差值，原核消失前8小时各个原核的面积及差值、极体面积及差值、核仁面积及差值。

面积计算模块包括利用以下三种面积计算方法进行加权求和：

1.面积检测方法一：

基于检测模块输出的位置信息中的圆心以及宽高坐标点，如果宽高相同，则直接根据检测输出的圆心和宽高计算出面积大小；如果宽高的大小不同，对分别以宽高作为半径计算出来的原核面积进行加权求平均(加权系数为0.5)，得到面积大小area1；

2.面积检测方法二：

a)基于检测模型输出的位置信息，传统的图像分割采用阈值分割的方法来区分前景和背景，采用OTSU方法来进行二值化操作；

b)二值化操作后的图像存在一些零零散散的噪声，这边对噪声进行去除，去掉小连通区域，将面积小于30的小连通区域和孤点噪声直接剔除；

c)对去噪后的图像会存在一些空洞，采用形态学操作先膨胀在腐蚀的操作(闭运算)来消除空洞；

d)对内部进行填充，填充白色(255)；

e)根据位置信息中的宽高大小，计算出整个图片面积大小。图像中白色(255)代表原核区域，黑色(0)代表背景区域；

f)获取到面积白色像素点个数，也就是面积大小area2。

3.面积检测方法三：

a)基于图像进行高斯滤波处理，高斯核大小设置为3*3，为了降低图像中噪声对检测结果的干扰；

b)梯度图像是一个粗略的边缘图像，图像边缘的特征就是该点处像素值的突变，采用一下公式反应突变程度大小：

c)由于图像的坐标x和y是离散的，所以近似公式为：

d)形成简单的检测算子[-1,1]，该算子遍历整个图像得到图像x方向的边缘，

y方向也采用同样方式；

e)得到x与y方向的导数图像，计算每个像素的梯度，公式如下：

f)其表示该像素边缘垂直的一个向量，该向量的方向为梯度方向，向量的大小为边缘的强度；

g)采用非极大化抑制对边缘进行细化，将原有粗略边缘检测图中的宽边细化为真正的边缘，得到更好的凸显原核的轮廓。非极大抑制是在原核的每个像素的梯度方向，检测该像素是不是极大像素点，如果是则保留，如果不是，将其像素置为0，若该像素的梯度方向并非在特定角度(0度、45度)，则采用软像素(两边像素的加权和)。

h)对非极大化抑制后的图像采用滞后阈值处理，去除伪边。滞后阈值处理采用双阈值处理，先用高阈值筛选一定是边缘的像素，在用低阈值进行边的延伸。遍历周围8个像素点，如果有大于高阈值的像素点存在，那么该像素点就视为延伸出来的边，将其像素值拉高，并将此改变返回给图像，最终得到的边缘就是真正的原核边缘；

i)最小二乘法拟合计算原核面积；

j)基于边缘检测输出的边缘坐标信息，采用最小二乘法拟合区域圆，通过计算最小化误差的平方和得到圆的最佳函数匹配，使得这些求得的数据与实际数据之间误差的平方和为最小。

k)最小二乘圆拟合模型公式推导如下：

l)圆的面积计算公式如下：

(x-x

m)对于最小二乘法的圆拟合，其误差平方的优化目标函数为：

n)公式中(xi,yi)表示边缘特征点坐标；(x0，y0)表示圆心坐标，n为参与拟合的特征点数。

o)在保持这优化目标函数特征的前提上，我们对其用一种稍微不同的改进方法来定义误差平方，能够得到一个最小化问题的直接解，定义如下：

p)使得E取得最小值，最终得到圆心坐标以及半径大小，计算出面积area3；

在面积检测中，面积计算方法一种存在缺陷当特征形态不是圆形的时候，会影响实际面积值；面积计算方法二种存在缺陷当图像中的前景与背景不明显(边缘像素值与周围像素值相近时)，会将周围像素点计算到面积中；因此对三种面积值分配权重分别为0.2、0.3、0.5，最终面积为：

Area＝0.2*area1+0.3*area2+0.5*area3

面积计算模块可以在计算前先进行数据增强。具体的，因极体和核仁体积极小，在计算极体面积和核仁面积前面积计算模块会进行数据增强。该增强方法包括先将彩色图像转换为单通道图像，在对图像进行膨胀形态学处理，膨胀后的图像内部仍然存在缺失像素点，利用canny检测算子对其轮廓进行检测在填充，最终在结合腐蚀形态学处理得到数据增强后的面积。(即，利用形态学膨胀和腐蚀放在极小数据增强的首末位置，膨胀能够对极体和核仁的外部轮廓和内部进行适当填充，膨胀的维度较小，膨胀后的图像更能有效利用canny检测模型检测出边缘，对其内部再次填充，最终利用腐蚀操作对边界膨胀部分做优化处理)。

决策模块，包括一种多层级决策分数模型，其基于所述胚胎发育结果和/或所述胚胎面积参数对胚胎发育过程进行检测。多层级决策分数模型的输入为决策参数。具体的，决策参数可以为胚胎发育结果和胚胎面积参数。

多层级决策分数模型包括：分层模块、分级模块、和计分模块。

分层模块分为初期、中期、后期三层，每层进行独立决策；

分级模块根据决策参数对胚胎结局的影响关联，将决策参数划分为一级、二级、三级。一级决策参数指胚胎发育过程中的至关决定性参数；二级决策参数是基于一级决策参数基础之上，指胚胎发育过程中次重要参数；三级决策参数是基于二级决策参数基础之上，指胚胎发育过程中较低影响因素参数。

计分：根据胚胎参数对结局的影响，给每个决策参数标定相应分数，用于做决策判断。

多层级决策分数模型对不同层不同级别的参数进行计分，计分规则为：不满足所述一级决策参数直接出局，每满足一个所述二级一级决策参数奖励两分，每满足一个所述三级一级决策参数奖励一分，计算出每层的分值总和，当每层分值总和大于该层满分80％，系统认定该层胚胎参数表现较佳，再通过求和方式算出该胚胎总的分值，最终系统给出辅助生殖决策。分层计算达到该层的80％，若达到80％可以评定该胚胎在该层的表现为A，若达到60％-80％之间评定该胚胎在该层的表现为B，其余判定为C；综合每层表现的判断逻辑是基于初期、中期、后期这三层的独立评价做的一个综合评价，该综合评价分为两个方面：

一个方面是对每层的分值进行加权求和：

Score＝0.5*前期score1+0.3*中期+0.2*后期

另一方面是胚胎在前期中期后期三层的评价表现，如果该胚胎在前期、中期、后期三层的每层都达到该层80％，那该胚胎的评价指标为AAA；

该多层级决策分数模型输出的Score是本专利系统给出的决策判断依据，score大于总的80％分数判断该胚胎优质；

该多层级决策分数模型输出的评价指标(如AAA)是提供给医师进行参考的值，医师可根据这个指标结合胚胎发育结果，起到辅助决策判断作用；

基于检测模块的决策判断中，决策模块根据检测模块对整个胚胎发育过程进行检测，输出胚胎结局。决策参数如下所示：

1.1初期一级决策参数：根据原核形成时间(<24)以及原核个数(2PN)作为一级决策，不满足该条件判定该胚胎分数为0

a、原核形成时间

b、原核个数

1.2初期二级决策参数：

a、原核消失时间(18-22h)

b、原核消失到细胞第一次分裂时间(<2h)

c、细胞第一次分裂时间

d、细胞第二次分裂时间

e、细胞第一次分裂细胞位置(是否对称)

f、细胞第二次分裂细胞位置(是否对称)

1.3初期三级决策参数：

a、原核形成时两原核位置(较远)

b、原核消失时两原核位置(较近)

c、极体个数

4、极体位置信息

d、细胞第一次分裂碎片率

e、细胞第二次分裂碎片率

2.1、中期一级决策参数：根据细胞第三次分裂时间(<72h)作为一级决策，不满足该条件判定该胚胎分数为0

a、细胞第三次分裂时间

2.2中期二级决策参数：

a、细胞第三次分裂细胞位置(是否对称)

2.3中期三级决策参数：

a、细胞第三次分裂碎片率

3.1、后期一级决策参数：根据细胞(<120h)形成囊胚，不满足该条件判定该胚胎分数为0

a、囊胚形成时间

3.2后期二级决策参数：

a、细胞第四次分裂细胞位置(是否对称)

3.3后期三级决策参数：

a、细胞第四次分裂碎片率

基于面积模块的决策判断中，根据面积计算模块输出的面积参数信息，决策模块利用多层级决策分数模型构建基于面积模块的决策方法。决策参数如下所示：

1.2初期二级决策参数：

a、细胞第一次分裂面积差值(差值1)

b、细胞第二次分裂面积差值(差值1)

c、原核形成时面积差值(差值1.4)

d、原核消失时面积差值(差值比1)

e、原核消失前8小时面积差值(差值比1.4，参考US20210104046A1公开的具体比例指标)

1.3初期三级决策参数：

a、极体面积差值(差值1)

b、核仁面积差值(差值1)

2.2中期二级决策参数：

a、细胞第三次分裂面积差值(差值1)

3.2后期二级决策参数：

a、细胞第四次分裂面积差值(差值1)

用于支持辅助生殖决策的信息处理系统总判断基准是基于检测模块的决策判断和基于面积模块的决策判断构成，基于检测模块的决策判断是决策模块的主要判断依据，结合了胚胎发育过程中胚胎的发育时间点和位置信息，因此基于检测模块决策判断能够给出该胚胎结局。基于面积模块的决策判断为决策模块提供了辅助功能，因为胚胎面积参数影响对于胚胎结局的影响较小，基于面积的决策判断反映的是该胚胎在胚胎发育过程中的优良程度。

这里基于的术语和表述方式只是用于描述，本发明并不应局限于这些术语和表述。使用这些术语和表述并不意味着排除任何示意和描述(或其中部分)的等效特征，应认识到可能存在的各种修改也应包含在权利要求范围内。其他修改、变化和替换也可能存在。相应的，权利要求应视为覆盖所有这些等效物。

同样，需要指出的是，虽然本发明已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，在没有脱离本发明精神的情况下还可做出各种等效的变化或替换，因此，只要在本发明的实质精神范围内对上述实施例的变化、变型都将落在本发明的权利要求书的范围内。