जीवविज्ञान और चिकित्सा में उन्नत तकनीकें
खुला एक्सेस

अमूर्त

स्टेम कोशिकाओं की वृद्धि दर का विश्लेषण, विभाजन, विशेषता निष्कर्षण और पैटर्न पहचान का उपयोग करके

आर नाथिया और जी शिवराडजे

स्टेम सेल में शरीर में किसी भी तरह की कोशिका के रूप में खुद को विकसित करने की असाधारण क्षमता होती है। कुछ अंगों, जैसे आंत और अस्थि मज्जा में, स्टेम सेल नियमित रूप से विभाजित होते हैं और खराब हो चुके या क्षतिग्रस्त ऊतकों की मरम्मत और प्रतिस्थापन करते हैं। स्टेम सेल विश्लेषण छवि विभाजन के लिए मौजूदा कार्यप्रणाली फ्लोरोसेंट कोशिकाओं पर लागू एक रूपात्मक तकनीक का उपयोग करती है ताकि एक स्पष्ट खंडित छवि प्राप्त की जा सके। इसके लिए वेवलेट ओत्सु कर्वलेट प्रतिमान का उपयोग किया जाता है, जहाँ छवि या फ़्रेम को फ़िल्टर किया जाता है, कर्वलेट का उपयोग बेहतर एज एन्हांसमेंट के लिए किया जाता है और वेवलेट का उपयोग मल्टी-स्केल रिज़ॉल्यूशन के लिए किया जाता है। ओत्सु मॉडल का उपयोग करके विभाजन, एक इष्टतम सीमा मूल्य प्रदान करने के लिए विभिन्न पिक्सेल से वर्ग भिन्नताओं के औसत वजन को कम करता है। खंडित छवि विशेषता से, ग्रे लेवल सह-घटना मैट्रिक्स (जीएलसीएम) तकनीक का उपयोग करके वेक्टर प्राप्त किए जाते हैं जो एक छवि में सुविधाओं को निकालने में महत्वपूर्ण भूमिका निभाता है। हालाँकि जीएलसीएम आमतौर पर एकल पैमाने और एकल दिशा के तहत बनावट को निकालता है जो बनावटी संस्थाओं को इसकी अधिकतम सीमा तक प्रदान नहीं करता है। इसलिए मल्टी स्केल और मल्टी-रिज़ॉल्यूशन के लिए, खंडित छवि को NSCT के साथ विघटित किया जाता है और GLCM लागू किया जाता है। फ़ीचर वेक्टर का सेट अंततः उनके वर्गीकरण के लिए कृत्रिम तंत्रिका नेटवर्क के इनपुट के रूप में पैटर्न मैट्रिक्स बनाता है। पैटर्न पहचान के लिए तंत्रिका नेटवर्क का उपयोग करते हुए, नेटवर्क को विभिन्न स्वस्थ स्तर की छवियों का उपयोग करके प्रशिक्षित किया जाता है। फिर प्रशिक्षित नेटवर्क का उपयोग करके, परीक्षण छवि की स्वस्थ प्रकृति का मूल्यांकन किया जाता है और परिणाम दिए गए समय श्रृंखला स्टेम सेल छवियों की स्वस्थता के प्रतिशत के रूप में प्रदर्शित किया जाता है। इसलिए यह पेपर स्टेम सेल की स्वस्थ प्रकृति का विश्लेषण करने के लिए अत्यधिक प्रेरित है।