使用循环神经网络从模拟的光数据中重建温度,用于生物微流体学
Jacob Kullberg1, Derek Sanchez2, Brendan Mitchell2
1Computer Science Department, Brigham Young University, 3361 TMCB, Provo, 84602, UT, USA.
Research square
|September 18, 2023
概括
一个新的神经网络,多向光温度长短期记忆网络 (MFTLSTM),为微流体系统提供高精度的像素级温度映射. 这一进步使生物研究中能够精确监测温度.
科学领域:
- 生物物理学的生物物理.
- 微流体学 微流体学
- 机器学习 机器学习
背景情况:
- 生物系统通常需要在狭窄的操作范围内精确控制温度.
- 现有的温度传感器在微流体设备中难以提供高精度和空间分辨率.
- 准确的温度监测对于研究孤立的生物系统至关重要.
研究的目的:
- 引入一种新型的神经网络,用于在光图像中高精度,像素级温度映射.
- 在微流体应用中克服当前温度传感方法的局限性.
- 通过提供更好的温度分辨率来增强生物系统的研究.
主要方法:
- 开发多向光温度长短期记忆网络 (MFTLSTM).
- 在光图像中利用热扩散特性来计算温度.
- 使用3D打印微流体设备的模拟和实验数据进行培训和验证.
主要成果:
- 在模拟数据 (298K-308K) 中,MFTLSTM 实现了 ±0.0199 K RMSE 的精度.
- 实验数据 (290K-380K) 显示精度为±0.0684K RMSE.
- 该网络准确计算光图像中的每个像素的温度.
结论:
- 与微流体应用中的现有方法相比,MFTLSTM提供了更高的温度分辨率.
- 这项技术有可能显著推进对温度敏感生物系统的研究.
- 能够实现高精度,空间分布的温度测量,对于微流体生物学研究至关重要.
