دانلود پایان نامه : پیش بینی تصویربرداری سلول های زنده به وسیله یادگیری ماشینی

امروزه داروهای جدید روی کشت سلولی آزمایش می شود تا  زمان و هزینه به حداقل برسد. سلول ها با استفاده از میکروسکوپ به روش های مختلف مورد مطالعه قرار می گیرند و از پروب های فلورسنت برای بررسی جزئیات دقیق تر از آنچه میکروسکوپ نوری مشاهده می کند استفاده می شود. این یک روش تهاجمی است ، بنابراین می توان به جای تجزیه و تحلیل مولکولی ، از تصویربرداری استفاده کرد. در این پروژه ، تصاویر میکروسکوپ با کنتراست فاز از سلول ها همراه با تصاویر فلورسنت میکروسکوپی استفاده شد. ما از Machine Learning برای پیش بینی تصاویر فلورسنت از تصاویر میکروسکوپی نوری با استفاده از یک استراتژی به نام Label In-Silico استفاده می کنیم. یک شبکه عصبی Convolutional به نام U-Net آموزش دیده و نتایج خوبی را در دو مجموعه داده مختلف نشان داده است. رگرسیون پیکسل ، طبقه بندی پیکسل ، و طبقه بندی تصویر با یک سلول در هر تصویر مورد آزمایش قرار گرفت. طبقه بندی تصویر به دلیل دشواری در اختصاص دادن برچسبهای با کیفیت خوب در سلولهای سلول ، دشوارترین قسمت بود. رگرسیون از نظر پیکسل بهترین نتیجه را نشان داد.