A Neural Network-Based Identification of Developmentally Competent or Incompetent Mouse Fully-Grown Oocytes

Federica Cavalera; Mario Zanoni; Valeria Merico; Thi Thu Hien Bui; Martina Belli; Lorenzo Fassina; Silvia Garagna; Maurizio Zuccotti

doi:10.3791/56668

JoVE Journal
Developmental Biology
Author Produced

A subscription to JoVE is required to view this content. Sign in or start your free trial.

JoVE Journal Developmental Biology

A Neural Network-Based Identification of Developmentally Competent or Incompetent Mouse Fully-Grown Oocytes

基于神经网络的发育能力或不称职小鼠全生长卵母细胞的识别

Full Text

7,175 Views

10:04 min

March 3, 2018

DOI: 10.3791/56668-v

Federica Cavalera¹, Mario Zanoni¹, Valeria Merico¹, Thi Thu Hien Bui^1,2, Martina Belli^1,3, Lorenzo Fassina⁴, Silvia Garagna¹, Maurizio Zuccotti¹

¹Laboratorio di Biologia dello Sviluppo, Dipartimento di Biologia e Biotecnologie "Lazzaro Spallanzani",University of Pavia, ²Institute of Biotechnology,University of Helsinki, ³Department of Reproductive Medicine,University of California San Diego, ⁴Dipartimento di Ingegneria Industriale e dell'Informazione,University of Pavia

Please note that some of the translations on this page are AI generated. Click here for the English version.

在这里, 我们提出了一个非侵入性评估的卵母细胞发育能力在他们的体外成熟从生发泡到中期 II 阶段。该方法将时间推移成像与粒子图像测速 (PIV) 和神经网络分析相结合。

该程序的总体目标是使用非侵入性工具识别具有背部发育能力的 occytes。这种方法的主要优点是，通过简单地观察体外成熟过程中发生的卵母细胞运动，可以评估雌性配子的发育潜力。该技术基于延时成像与粒子图像测速法（一种基于神经网络的分析）相结合。

在这里，我们将描述为证明小鼠卵母细胞在从生发囊泡过渡到中期第二阶段期间，表现出与其发育能力或无能显着相关的所述质细胞运动的不同特征所采取的步骤。根据世界卫生组织的数据，不孕症是一种影响约 20% 夫妇的病症，此外，三分之一接受癌症治疗的女性有卵巢早衰的风险。这分别相当于美国或意大利等国家/地区的约 300， 000 或 30， 000 名女性。

View the full transcript and gain access to thousands of scientific videos