هوشمند سازي سامانه هاي ميكروفلوئيديك قطره اي و فناوري تحليل تك سلول با بهره گيري از يادگيري عميق

كارشناسي ارشد

ناهمگني سلولي حتي در سلول هاي همسان تفاوت هايي در ويژگي هاي آنها نسبت به يكديگر ايجاد ميكند براي تحليل دقيق تر بايد هر سلول به طور جداگانه بررسي شود با اين حال جداسازي سلولهاي منفرد از يك جمعيت سلولي با استفاده از روشهاي آزمايشگاهي فعلي به دليل احتمال آسيب به سلولها، پيچيدگي هاي زيادي دارد فناوري ميكروفلوئيد يك قطره اي كپسوله سازي سلولها و تك سلولها را در قطرات جداگانه و بدون آسيب رساندن به آنها انجام ميدهد؛ اما رسوب و تجمع سلولها در كانالهاي ميكروفلوئيديك باعث كاهش كارايي كپسوله سازي ميگردد بنابراين استفاده از هوش مصنوعي و يادگيري عميق براي كنترل بلادرنگ شرايط كپسوله سازي ضروري است. اما از طرفي توليد داده هاي كافي براي آموزش مدلهاي يادگيري عميق به دليل انسداد در كانالهاي ميكروفلوئيديك و نادر بودن برخي از نمونه هاي سلولي چالش برانگيز است اين پژوهش با هدف بهبود كميت داده هاي آموزش با بهره گيري از يك شبكه ي مولد متخاصم، به منظور توليد داده هاي مصنوعي متنوع و با كيفيتي قابل قبول در جهت هوشمندسازي سامانه هاي ميكروفلوئيد يك قطره اي، دو رويكرد مهم را دنبال مي.كند در رويكرد ،اول ابتدا دادههاي مصنوعي با استفاده از يك شبكه ي مولد متخاصم توليد شدند سپس از تركيب اين داده ها با داده هاي واقعي مجموعه ي آموزشي با 67٪ داده ي مصنوعي ايجاد گرديد كه از آن براي آموزش مدل YOLOv8s به منظور تشخيص و دسته بندي خودكار قطرات ميكروفلوئيديك در تصاوير استفاده شد و در انتها دقت مدل به دست آمده با مدل آموزش ديده روي تصاوير حاصل از روشهاي مرسوم داده ،افزايي مقايسه گرديد در رويكرد دوم ،نيز، مجموعه ي آموزشي با ٪96 داده ي مصنوعي براي آموزش مدل YOLOv8s مورد استفاده قرار گرفت تحليل نتايج رويكرد اول نشان داد مدل حاصل از آموزش روي تركيب دادههاي واقعي و مصنوعي با mAP0.5 برابر با 98٪ دقت بالاتري نسبت به مدل آموزش ديده روي دادههاي حاصل از روشهاي مرسوم داده افزايي داشته و فرايند آموزش سريع تر و پايدارتري را طي كرده است. از طرفي استفاده از شبكه ي قدرتمند YOLOv8 با تشخيص حدود 2338 قطره در ثانيه سرعت پردازش بسيار بالايي نسبت به نسخه هاي قبل YOLO براي هر دو مدل به ارمغان آورده است. در رويكرد دوم ،نيز مدل حاصل با mAP0.5 برابر با 92 نشان داد كه استفاده از شبكه ي مولد متخاصم به منظور جبران كمبود بيش از حد داده ها بسيار موفقيت آميز عمل كرده است.

229794

دانشگاه اصفهان

زهرا گلي

علوم كامپيوتر- محاسبات نرم و هوش مصنوعي

محسن علمبردار ميبدي , محمدرضا شمس