摘要基于算法学习数据内部规律，进而对同类数据进行预测和判断的过程为机器学习。在体外受精-胚胎移植技术领域，基于机器学习算法建立的模型不仅可预测周期助孕结局，也可帮助胚胎学家挑选优质胚胎。本文共筛选出基于机器学习算法的周期结局预测模型和胚胎质量评估模型30个，其中基于传统机器学习算法模型28个，基于深度学习模型2个。采用受试者工作特征曲线的曲线下面积（area under curve，AUC）评价模型效果，基于传统机器学习算法的模型效果多不理想（0.60<AUC<0.86），深度学习算法准确率则较高（AUC>0.90）。完善的预测和评估模型有望提高助孕周期效率、标准化胚胎选择流程。
/
1
摘要基于算法学习数据内部规律，进而对同类数据进行预测和判断的过程为机器学习。在体外受精-胚胎移植技术领域，基于机器学习算法建立的模型不仅可预测周期助孕结局，也可帮助胚胎学家挑选优质胚胎。本文共筛选出基于机器学习算法的周期结局预测模型和胚胎质量评估模型30个，其中基于传统机器学习算法模型28个，基于深度学习模型2个。采用受试者工作特征曲线的曲线下面积（area under curve，AUC）评价模型效果，基于传统机器学习算法的模型效果多不理想（0.60<AUC<0.86），深度学习算法准确率则较高（AUC>0.90）。完善的预测和评估模型有望提高助孕周期效率、标准化胚胎选择流程。
