Machine Learning on High-Throughput Bioparticles Image Recognition and Sizing ; Apprentissage automatique sur la reconnaissance et le dimensionnement d'images de bioparticules à haut débit
Titel:
Machine Learning on High-Throughput Bioparticles Image Recognition and Sizing ; Apprentissage automatique sur la reconnaissance et le dimensionnement d'images de bioparticules à haut débit
Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
L'imagerie par cytométrie de flux est un outil à très haute cadence largement utilisé pour l'analyse des bioparticules. Néanmoins, le grand nombre d'images générées pose un grand défi pour l'analyse rapide des données. Bien que divers algorithmes d'apprentissage aient été optimisés pour atteindre une précision de prédiction élevée, ils ont négligé le compromis entre la vitesse et les exigences matérielles, ce qui a causé un obstacle majeur au déploiement de masse de ces algorithmes d'apprentissage sur des appareils commerciaux pour l'analyse des bioparticules à haut débit, ceci en raison de son coût et sa consommation d'énergie élevée. Dans cette thèse, nous avons développé un réseau neuronal efficace, appelé MCellNet, pour une approche rapide, précise et à haut débit pour la détection de bioparticules sans marquage fluorescent, adapté à la cytométrie de flux. MCellNet a atteint une précision de classification de plus de 99,6% et une vitesse de traitement de plus de 346 images par seconde dans les plates-formes intégrées, surpassant MobileNetV2 (251 images par seconde) avec une précision de classification similaire. En outre, l'apprentissage métrique profond pour la détection de bioparticules rares a également été étudié. En outre, un pipeline basé sur l'apprentissage automatique est établi pour la classification en taille et à haute précision des bioparticules. Le pipeline se compose d'un module de segmentation d'image pour mesurer la taille de pixel de la bioparticule et d'un modèle d'apprentissage automatique pour une conversion précise pixel-taille. L'algorithme a montré une capacité de classification en taille nettement plus précise et présente un grand potentiel pour une large gamme d'applications pour la détermination des tailles de bioparticules. Les méthodes proposées pourraient également être potentiellement appliquées à d'autres analyses de bioparticules à haut débit et en temps réel pour le diagnostic biomédical et la surveillance environnementale ; Imaging flow cytometry is a high-throughput tool ...