摘要：胚胎植入前形态学特征是人类体外受精胚胎质量评估的重要依据.目前,胚胎学家主要利用胚胎时差成像(Time-Lapse Imaging,TLI)技术观察胚胎图像形态变化,从而筛选最有发育潜能的胚胎进行移植或冷冻保存.然而,人工评估不仅费时费力,且需要较强的专业知识,并存在一定的主观性等.针对这一问题,该文提出一种基于课程学习的胚胎图像语义分割方法,实现了胚胎细胞、细胞质与雌雄原核的分割,为后续胚胎质量评估提供定量的形态特征参数.首先,利用评估语义分割算法性能的IoU指标(Intersection over Union,IoU)构建课程学习的难度评分函数(Scoring Function,SF),根据SF评分将所有样本从易到难进行排序;再结合SF评分与目标类别数定义课程学习的步调函数(Pacing Functions,PF),构建了难易程度递增的样本子集;最后,设计多阶段渐进式U-net语义分割(Multi-Stage Progressive U-net,MSPU)模型,根据课程难度顺序依次训练不同阶段的网络,从而实现胚胎图像的语义分割.相关实验结果表明,本文提出的MSPU模型在胚胎图像语义分割任务上获得较好的性能,与基准模型相比,IoU值提高1.4%;特别是在较易与较难的分割任务上具有不错的表现,如细胞与雌雄原核的分割IoU值分别提升了4.6%与1.2%.