FenixEdu™

Dissertação

{pt_PT=Machine Learning-based Detectors for Magnetic Signal Differentiation applied to Early Cancer Detection} {} EVALUATED

Detalhes: {pt=Esta dissertação apresenta a implementação de um modelo de aprendizagem automática, nomeadamente uma rede neuronal artificial para distinção de sinais magnéticos provenientes de células marcadas com partículas magnéticas, e agregados de partículas magnéticas livres. Esta dissertação está inserida num projecto que está em desenvolvimento entre o INESC-ID e o INESC-MN que tem como principal objectivo a deteção de células cancerígenas numa amostra de sangue. A base de dados que serviu de treino para a rede neuronal, foi desenhada tendo por base simulações realizadas através da equação do dipolo magnético como modelação do comportamento da partícula magnética para os dois casos distintos. O treino do modelo foi implementado utilizando como função de ativação a função ReLu e foi obtida uma precisão superior 90\% para um sistema com um valor RMS do sinal de ruído inferior a 7 µV, um nº de partículas magnéticas por célula/aglomerado idealmente superior a 20, e uma velocidade máxima de viagem de partícula magnética de 2.5 m/s., en=This dissertation presents the implementation of a machine learning model, namely an artificial neural network for distinguishing magnetic signals from cells marked with magnetic particles, and clusters of free magnetic particles. This dissertation is part of a project that is being developed between INESC-ID and INESC-MN, whose main objective is the detection of cancer cells in a blood sample. The database that served as training for the neural network was designed based on simulations carried out using the magnetic dipole equation as a model of the behavior of the magnetic particle for the two different cases. The training of the model was implemented using the ReLu function as an activation function of the hidden layer, and an accuracy greater than 90\% was obtained for a system with an RMS value of the noise signal lower than 7 µV, an ideally higher number of magnetic particles per cell/cluster at 20, and a maximum magnetic particle travel speed of 2.5 m/s.}
Keywords: {pt=Citómetria de Fluxo Magnético, Células Cancerígenas, Aprendizagem Automática, Redes Neuronais Artificiais, en=Magnetic Flow Cytometer, Cancer Cells, Magnetic Signals, Machine Learning, Artificial Neural Networks}

Discussão: novembro 24, 2022, 10:30