技術特征：

1.一種基于融合位置信息的convnext?網絡的最佳聚焦胚胎圖像篩選方法，其特征在于，是按如下步驟進行：

2.根據權利要求1所述的一種基于融合位置信息的convnext?網絡的最佳聚焦胚胎圖像篩選方法，其特征在于，步驟5中的融合位置信息的convnext網絡包括：圖像差分模塊，個convnext模塊和全連接層；

3.根據權利要求2所述的一種基于融合位置信息的convnext?網絡的最佳聚焦胚胎圖像篩選方法，其特征在于，所述步驟5.2中第個convnext模塊中包括：第個降采樣模塊，第個深度卷積模塊，第個位置信息融合模塊，第個層歸一化模塊，第個層縮放模塊，第個路徑丟棄模塊，第個殘差連接模塊；；

4.一種電子設備，包括存儲器以及處理器，其特征在于，所述存儲器用于存儲支持處理器執(zhí)行權利要求1-3中任一所述最佳聚焦胚胎圖像篩選方法的程序，所述處理器被配置為用于執(zhí)行所述存儲器中存儲的程序。

5.一種計算機可讀存儲介質，計算機可讀存儲介質上存儲有計算機程序，其特征在于，所述計算機程序被處理器運行時執(zhí)行權利要求1-3中任一所述最佳聚焦胚胎圖像篩選方法的步驟。

技術總結
本發(fā)明公開了一種基于融合位置信息的ConvNeXt網絡的最佳聚焦胚胎圖像篩選方法，包括：1將兩張灰度化的胚胎圖像進行組合以制作符合模型輸入樣式的雙通道組合數據；2將雙通道組合數據兩個通道上的數據進行相減，得到差分圖像并進行降采樣；3使用卷積神經網絡提取差分圖像的整體特征，得到相應的特征矩陣；4將雙通道組合數據對應的原始胚胎圖像的位置索引先驗信息融入到特征矩陣中；5構建損失函數，并訓練最佳聚焦圖像二分類模型；7利用訓練好的二分類模型處理一組胚胎圖像，用以實現(xiàn)最佳聚焦圖像的篩選。本發(fā)明能有效分析胚胎圖像的聚焦度，在最佳聚焦胚胎圖像篩選任務中展現(xiàn)優(yōu)異，并且具有一定的可解釋性。

技術研發(fā)人員：李暢,聞慶偉,成娟,宋仁成,劉羽,陳勛
受保護的技術使用者：合肥工業(yè)大學
技術研發(fā)日：
技術公布日：2025/5/15