Salamon, Nicole
(2021)
Sviluppo di reti neurali U-Net per l’analisi cellulare da acquisizioni video in microscopia ottica.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Ingegneria biomedica [LM-DM270] - Cesena, Documento ad accesso riservato.
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (3MB)
| Contatta l'autore
|
Abstract
Questa tesi, svolta in collaborazione con il team guidato dalla Dott.ssa Ceroni all’Imperial College (Londra), si è proposta di sviluppare un sistema di segmentazione per immagini di microscopia basato su U-Net. Questo software è stato testato su due dataset distinti, uno composto di immagini rappresentanti cellule batteriche, e l’altro cellule umane ingegnerizzate. Nel primo caso, un set-up microfluidico chiamato “Mother Machine” ha permesso lo studio di come diverse caratteristiche cellulari (es. forma, livello di fluorescenza) cambino tra una generazione e l’altra. Nel secondo, due diverse configurazioni di training sono state valutate per determinare quella maggiormente indicata per le immagini e l’applicazione considerata.
Nel testo seguente sono descritti tutti i procedimenti adottati per permettere l’addestramento della rete neurale su entrambi i dataset, e l’analisi dei risultati. Viene anche affrontato il tema del Machine Learning, e vengono introdotte alcune nozioni di biologia molecolare e di microscopia ottica. Infine, vengono proposte alcune considerazioni conclusive.
Questo lavoro, benché parte di un progetto più ampio, ne rappresenta una componente importante, fornendo un sistema altamente tecnologico per l’analisi di immagini di microscopia e lo studio della funzionalità di cellule ingegnerizzate.
Abstract
Questa tesi, svolta in collaborazione con il team guidato dalla Dott.ssa Ceroni all’Imperial College (Londra), si è proposta di sviluppare un sistema di segmentazione per immagini di microscopia basato su U-Net. Questo software è stato testato su due dataset distinti, uno composto di immagini rappresentanti cellule batteriche, e l’altro cellule umane ingegnerizzate. Nel primo caso, un set-up microfluidico chiamato “Mother Machine” ha permesso lo studio di come diverse caratteristiche cellulari (es. forma, livello di fluorescenza) cambino tra una generazione e l’altra. Nel secondo, due diverse configurazioni di training sono state valutate per determinare quella maggiormente indicata per le immagini e l’applicazione considerata.
Nel testo seguente sono descritti tutti i procedimenti adottati per permettere l’addestramento della rete neurale su entrambi i dataset, e l’analisi dei risultati. Viene anche affrontato il tema del Machine Learning, e vengono introdotte alcune nozioni di biologia molecolare e di microscopia ottica. Infine, vengono proposte alcune considerazioni conclusive.
Questo lavoro, benché parte di un progetto più ampio, ne rappresenta una componente importante, fornendo un sistema altamente tecnologico per l’analisi di immagini di microscopia e lo studio della funzionalità di cellule ingegnerizzate.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Salamon, Nicole
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Cellule batteriche,U-Net,segmentazione,burden metabolico,cellule umane
Data di discussione della Tesi
1 Ottobre 2021
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Salamon, Nicole
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Cellule batteriche,U-Net,segmentazione,burden metabolico,cellule umane
Data di discussione della Tesi
1 Ottobre 2021
URI
Statistica sui download
Gestione del documento: