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.
International journal of thermophysics
|September 11, 2024
概括
一个新的神经网络,多向光温度长短期记忆网络 (MFTLSTM),准确地测量微流体系统中的温度. 这一进步为研究敏感生物系统提供了至关重要的高分辨率温度映射.
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:
- 生物系统通常需要精确的温度控制才能进行准确的研究.
- 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.
- 微流体对于分离和研究生物系统至关重要.
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.
- 克服标准安装实践和现有的机器学习方法来确定温度的局限性.
- 为了在生物系统的微流体研究中实现更高的温度分辨率.
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.
- 通过3D打印微流体设备的模拟和实验数据进行验证.
主要成果:
- 在模拟数据 (298 K308 K) 中,MFTLSTM 实现了 ±0.0199 K RMSE 的精度.
- 实验数据 (290 K380 K) 显示精度为±0.0684 K RMSE.
- 该网络准确计算光图像中的每个像素的温度.
结论:
- MFTLSTM网络显著提高了微流体学中的温度测量精度和空间分辨率.
- 这项技术有可能促进对需要精确热控制的生物系统的研究.
- 该方法为微流体应用中的温度分析提供了一个新的标准.
更多相关视频
10:26Soft Lithographic Procedure for Producing Plastic Microfluidic Devices with View-ports Transparent to Visible and Infrared Light
Published on: August 17, 2017
13.1K
07:46Microfluidic Co-Culture Models for Dissecting the Immune Response in in vitro Tumor Microenvironments
Published on: April 30, 2021
4.7K
