Develop a new method for recognising and identifying bacterial colonies using artificial neural networks and Machine Learning algorithms. (Q77597)
Jump to navigation
Jump to search
Project Q77597 in Poland
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | Develop a new method for recognising and identifying bacterial colonies using artificial neural networks and Machine Learning algorithms. |
Project Q77597 in Poland |
Statements
1,850,331.93 zloty
0 references
2,437,811.1 zloty
0 references
75.9 percent
0 references
1 July 2018
0 references
30 October 2020
0 references
NEUROSYS SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
0 references
51°7'34.7"N, 16°58'41.5"E
0 references
Numer_referencyjny_programu_pomocowego: SA.41471(2015/X) Przeznaczenie_pomocy_publicznej: art. 25 rozporządzenia KE nr 651/2014 z dnia 17 czerwca 2014 r. uznające niektóre rodzaje pomocy za zgodne z rynkiem wewnętrznym w stosowaniu art. 107 i 108 Traktatu (Dz. Urz. UE L 187/1 z 26.06.2014). Celem projektu jest opracowanie algorytmów umożliwiających zautomatyzowanie analizy posiewów hodowli bakteryjnych na szalkach Petriego, w szczególności klasyfikacji rodzaju posianych bakterii oraz określenie liczby kolonii bakteryjnych. Algorytmy zostaną przygotowane w oparciu o metody uczenia głębokiego (ang. deep learning), które wg aktualnej wiedzy naukowej najlepiej sprawdzają się przy rozpoznawaniu obrazów i w naturalny sposób mogą być wykorzystane do identyfikowania kluczowych cech morfologicznych kolonii bakteryjnych. We współpracy z ekspertem z zakresu mikrobiologii zostanie przygotowana baza danych treningowych, potrzebnych do dopasowania parametrów sztucznych sieci neuronowych. Zawierać będzie ona dokładnie opisane zdjęcia szalek Petriego, na których zostały wysiane ściśle określone szczepy bakteryjne, a które będzie można wykorzystać w procesie uczenia nadzorowanego (ang. supervised learning). Dodatkowych informacji na temat próbek dostarczy analiza widma (spektralna) oraz trójwymiarowa mapa wierzchołków wykonana metodą skanowania laserowego. Do klasyfikacji próbek zostaną wykorzystane konwolucyjne sieci neuronowe (ang. convolutional neural networks), których hiperparametry zostaną dobrane pod rozważany problem, a ich optymalne wartości znalezione metodą sprawdzianu krzyżowego, co pozwoli uniknąć problemów z "niedouczeniem" (ang. underfitting) lub "przeuczeniem" (ang. overfitting) modelu. Zostanie wykonana analiza porównawcza wyników otrzymanych z lub bez uwzględnienia dodatkowych danych spektralnych. Ostatecznym produktem będzie specjalistyczne oprogramowanie wykorzystujące stworzone algorytmy do analizy posiewów bakteryjnych. (Polish)
0 references
Reference number of the aid programme: SA.41471(2015/X) Purpose of public aid: Article 25 of EC Regulation No 651/2014 of 17 June 2014 declaring certain types of aid compatible with the internal market in the application of Articles 107 and 108 of the Treaty (OJ L. I'm sorry. EU L 187/1 of 26.06.2014). The aim of the project is to develop algorithms to automate the analysis of bacterial cultures on petri dishes, in particular the classification of the type of sown bacteria and the number of bacterial colonies. Algorithms will be based on deep learning methods, which, according to current scientific knowledge, are best suited for image recognition and can naturally be used to identify key morphological features of bacterial colonies. In cooperation with an expert in the field of microbiology, a training database will be prepared, needed to match the parameters of artificial neural networks. It will contain well-defined images of Petri dishes, on which well-defined bacterial strains have been planted and which can be used in supervised learning. Additional information on the samples will be provided by spectrum analysis (spectral) and a three-dimensional map of vertices made by laser scanning. Convolutional neural networks (convolutional neural networks) will be used to classify samples, whose hyperparameters will be selected for the problem under consideration and their optimal values found by cross-checking will avoid problems with " Underfitting or " Overfitting model. A comparative analysis of the results obtained with or without additional spectral data shall be performed. The final product will be specialised software using created algorithms to analyse bacterial cultures. (English)
14 October 2020
0 references
Reference_Aid_programme: SA.41471(2015/X) But_public_aid: Article 25 du règlement (CE) no 651/2014 du 17 juin 2014 déclarant certaines catégories d’aides compatibles avec le marché intérieur en application des articles 107 et 108 du traité (JO URZ. EU L 187/1 du 26.6.2014). L’objectif du projet est de développer des algorithmes pour automatiser l’analyse des cultures bactériennes sur des boîtes de pétri, en particulier la classification du type de bactéries plantées et le nombre de colonies bactériennes. Les algorithmes seront préparés sur la base de méthodes d’apprentissage profond qui, selon les connaissances scientifiques actuelles, sont les mieux adaptées à la reconnaissance d’images et peuvent naturellement être utilisées pour identifier les principales caractéristiques morphologiques des colonies bactériennes. En coopération avec un expert en microbiologie, une base de données de données de formation sera préparée pour correspondre aux paramètres des réseaux neuronaux artificiels. Il contiendra des images soigneusement décrites de plat de pétri, sur lesquels des souches bactériennes spécifiques ont été semées et qui peuvent être utilisées dans l’apprentissage supervisé. Des renseignements supplémentaires sur les échantillons seront fournis au moyen d’une analyse du spectre (spectral) et d’une carte tridimensionnelle de l’apex à l’aide du balayage laser. Les réseaux neuronaux convolutionnels (réseaux neuronaux convolutionnels) seront utilisés pour classer les échantillons, dont les hyperparamètres seront sélectionnés pour le problème à l’étude et leurs valeurs optimales trouvées par recoupement, évitant ainsi les problèmes avec & (soutien) ou & «guidance» surdimensionnement du modèle. Une analyse comparative des résultats obtenus avec ou sans données spectrales supplémentaires sera effectuée. Le produit final sera un logiciel spécialisé utilisant des algorithmes créés pour l’analyse des cultures bactériennes. (French)
30 November 2021
0 references
Identifiers
POIR.01.01.01-00-0040/18
0 references