这项回顾性多中心研究利用自研深度学习分割模型勾画透明带、内细胞团与滋养层并提取17项定量形态学指标，在来自韩国七家中心的14,072张囊胚图像中（排除后10,718枚用于共识评级预测、1,387枚用于胎心预测）发现形态学指标预测的评级在发育阶段与内细胞团上与共识评级的一致性高于单个胚胎学家，且基于定量形态学的随机森林模型在胎心预测上优于基于人工共识评级的模型（AUROC 0.648 对 0.610，DeLong 检验 p = 0.04），替代CART分析显示定量形态学对观察到的胎心率的区分范围更宽（11.8–46.8% 对 16.7–36.2%）。
这项回顾性多中心研究利用自研深度学习分割模型勾画透明带、内细胞团与滋养层并提取17项定量形态学指标，在来自韩国七家中心的14,072张囊胚图像中（排除后10,718枚用于共识评级预测、1,387枚用于胎心预测）发现形态学指标预测的评级在发育阶段与内细胞团上与共识评级的一致性高于单个胚胎学家，且基于定量形态学的随机森林模型在胎心预测上优于基于人工共识评级的模型（AUROC 0.648 对 0.610，DeLong 检验 p = 0.04），替代CART分析显示定量形态学对观察到的胎心率的区分范围更宽（11.8–46.8% 对 16.7–36.2%）。