Sviluppo di reti neurali U-Net per l’analisi cellulare da acquisizioni video in microscopia ottica.

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.