Diseño, desarrollo y validación de un sistema de visión basado en redes neuronales para automatización de ensayos con C. elegans
[ES] La investigación en el estudio de C. elegans ha sido de interés continúo debido a su papel fundamental en la biología, medicina, neurociencia, cosmética y demás campos de interés. Sin embargo, los ensayos con estos gusanos en placas de Petri son notoriamente laboriosos y requieren un seguimient...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/207883 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/207883 |
| Access Level: | acceso abierto |
| Palabra clave: | Visión artificial Redes neuronales Seguimiento Detección C. elegans Artificial vision Neural networks Tracking Detection INGENIERIA DE SISTEMAS Y AUTOMATICA Máster Universitario en Automática e Informática Industrial-Màster Universitari en Automàtica i Informàtica Industrial |
| Sumario: | [ES] La investigación en el estudio de C. elegans ha sido de interés continúo debido a su papel fundamental en la biología, medicina, neurociencia, cosmética y demás campos de interés. Sin embargo, los ensayos con estos gusanos en placas de Petri son notoriamente laboriosos y requieren un seguimiento meticuloso de los individuos a lo largo del tiempo. Este proceso manual no solo es intensivo en mano de obra, sino que también puede ser propenso a errores y sesgos. Por lo tanto se propone la automatización de este proceso mediante un programa de detección y seguimiento de cada gusano que se ejecute de manera automática. Un desafío particular en este proceso es el seguimiento preciso de los gusanos individuales y la detección confiable de su ubicación, especialmente cuando se cruzan entre sí. La superposición de los gusanos puede dificultar la identificación precisa y el seguimiento de cada individuo, lo que puede afectar negativamente la calidad de los datos recopilados y los resultados de los experimentos. Para abordar este desafío se va a desarrollar una solución basada en el uso de redes neuronales, junto con diversas técnicas de visión artificial. Se van a emplear diversas herramientas como PyTorch, OpenCV. El proyecto se basará en Python pero también se hará uso de scripts en C++ para desarrollar un sistema capaz de detectar y rastrear los gusanos de manera eficiente y precisa. Las redes neuronales que se van a entrenar, validar y utilizar para llevar a cabo este proyecto son: una red YOLO para la detección de los gusanos en cada imagen y una Unet para poder diferenciar a cada gusano en el momento en el que se agregan. Ambas redes neuronales van a ser entrenadas mediante el uso de imágenes simuladas de C. elegans sobre fondos predeterminados de placas de Petri, estas imágenes se obtendrán de un simulador de imágenes. La validación del proyecto se llevará a cabo sobre imágenes reales que se tomarán gracias a un dispositivo llamado Multiview, el cual está desarrollando el laboratorio de Robótica en el ai2 de la UPV. Este dispositivo tomará imágenes en todo momento de una placa de Petri con C. elegans en su interior las cuales se usarán para probar el proyecto y medir diferentes indicadores de detección, así como pérdidas de identidad de los gusanos, además de comprobar los costes temporales de realizar la identificación en cada imagen. |
|---|