Table | Card | RUSMARC | |
Allowed Actions: –
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
Group: Anonymous Network: Internet |
Annotation
Данная работа посвящена разработке алгоритма машинного обучения, решающего задачу классификации эритроцитов по принимаемым ими формам в микрофлюидном устройстве. Цель работы: разработать алгоритм машинного обучения, позволяющий классифицировать эритроциты по их геометрической форме. В результате проделанной работы была разработана и обучена сверточная нейронная сеть, решающая задачу классификации эритроцитов по наблюдаемым в микрофлюидном устройстве формам с чувствительностью 0,92 и специфичностью 0,97. Предложенное практическое применение разработанного программного обеспечения показало не только влияние использованных противоопухолевых препаратов (паклитаксел, доцетаксел) на деформируемость эритроцитов, но и позволило наблюдать их индивидуальную реакцию на данные препараты.
This work is devoted to the development of a machine learning algorithm that classifies red blood cells according to the forms they take in a microfluidic device. Purpose of the work: to develop a machine learning algorithm that can classify red blood cells according to their geometric shape. As a result of the work done, a convolutional neural network was developed and trained to classify red blood cells according to the forms observed in a microfluidic device with sensitivity 0,92 and specificity 0,97. The proposed practical application of the developed software showed not only the influence of the used anticancer drugs (paclitaxel, docetaxel) on the deformability of erythrocytes, but also made it possible to observe their individual response to these drugs.
Document access rights
Network | User group | Action | ||||
---|---|---|---|---|---|---|
ILC SPbPU Local Network | All |
![]() ![]() ![]() |
||||
Internet | Authorized users SPbPU |
![]() ![]() ![]() |
||||
![]() |
Internet | Anonymous |
Table of Contents
- Перечень сокращений и обозначений
- Введение
- Глава 1. Обзор литературы
- Обзор литературы
- Физиологическая роль способности эритроцитов к деформации
- Методы анализа деформируемости эритроцитов
- Применение микрофлюидных устройств для оценки параметров эритроцитов
- Машинное обучение
- Обучение без учителя
- Обучение с учителем
- Сверточные нейронные сети
- Структура сверточных нейронных сетей
- Применение машинного обучения для оценки морфологии RBC
- Глава 2. Материалы и методы
- Материалы и методы
- Подготовка образцов
- Изготовление микрофлюидного устройства
- Постановка эксперимента и анализ видеозаписи
- Разработка обучающей выборки данных
- Аугментация обучающей выборки
- Классификация изображений
- Статистический анализ
- Глава 3. Результаты и обсуждения
- Результаты и обсуждения
- Результаты обучения CNN
- Классификация эритроцитов по форме
- Анализ результатов классификации эритроцитов по форме
- Обсуждения
- Заключение
- Выводы
- Список использованных источников
Usage statistics
|
Access count: 0
Last 30 days: 0 Detailed usage statistics |