Image processing based analysis and quantification of micro biomaterials and cells for biochip

Tümör hücrelerinin miktarının belirlenmesi, kanserin erken tespiti ve ilerlemesinin izlenmesi için çok önemlidir. Tümör hücrelerini saptamak için çeşitli yöntemler geliştirilmiştir. Standart tezgah üstü cihazların yanı sıra, bu amaç için çeşitli biyoçip tabanlı yöntemler geliştirilmiştir. Biyoçip tasarımımız, mikro ped dizileri ile birlikte mikron boyutunda immünomanyetik boncuklar içerir, bu nedenle yalnızca hücrelerin değil aynı zamanda mikro pedlerin ve immünomanyetik boncukların otomatik olarak algılanmasını ve ölçülmesini gerektirir. Biyoçipin temel amacı, farklı antijenlere sahip hedef hücreleri aynı anda yakalamaktır. Bu çalışmada, biyoçip için bir okuma yöntemi olarak lösemi hücrelerini, immünomanyetik boncukları ve mikro pedleri ölçmek için dijital görüntü işleme tabanlı bir yöntem geliştirilmiştir. Çipte, parlak alan mikroskopi ile 20X ve 40X görüntüler elde edildi. Görüntüler, geleneksel görüntü işleme yöntemleri, makine öğrenmesi yöntemleri ve derin öğrenme yöntemleri ile analiz edilmiştir. Parlak alan mikroskobu ile kaydedilen görüntülerdeki hedefleri ölçmek için renk ve boyut tabanlı nesne tanımlama ve makine öğrenme tabanlı yöntemler uygulandı. Parlak alan optik mikroskobu ile biyoçipten elde edilen görüntülerdeki yapıları tespit etmek için renk ve boyut tabanlı nesne algılama ve nesne bölütleme yöntemleri uygulandı. Lösemik hücreler, immünomanyetik boncuklar ve mikro pedlerden oluşan MRD Biochip görüntülerine derin öğrenme tabanlı segmentasyon uygulandı. Ayrıca, çok soylu farklılaşma ve kendini yenileme potansiyeline sahip mezenkimal kök hücrelerde, yaşlanan hücrelerin yüzdesinin tahmin edilmesi, klinik uygulamalar için kritik öneme sahiptir. Bu çalışmada, sınırlı boyutta etiketlenmiş veri kümesiyle bile verimli bir şekilde performans gösterebilen hücresel yaşlanma yoğunluğunu bölümlemek ve ölçmek için kendinden denetimli öğrenme tabanlı yöntem uygulandı.