Login
- Originaltitel:
- Prediction of organoid growth with artificial neural networks
- Übersetzter Titel:
- Vorgersage von Organoid-Wachstum mit Hilfe von künstlichen neuronalen Netzen
- Autor:
- Englbrecht, Fabian J.
- Jahr:
- 2023
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Natural Sciences
- Betreuer:
- Bausch, Andreas (Prof. Dr.)
- Gutachter:
- Bausch, Andreas (Prof. Dr.); Rief, Matthias (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- PHY Physik
- TU-Systematik:
- PHY 820
- Kurzfassung:
- Organoids are characterized by highly individual and complex structure formation processes. In this thesis, artificial neural networks were used to learn the growth behavior of organoids from image sequence data. This information was utilized to make predictions of the future structure of individual organoids. The method provides a solution to use predicted organoid structures as a control for cell culture experiments, for instance to better understand the effect of drugs on organoids.
- Übersetzte Kurzfassung:
- Organoide sind charakterisiert durch eine hoch-individuelle und komplexe Strukturbildung. In dieser Arbeit wurden künstliche neuronale Netze dazu verwendet, das Wachstumsverhalten von Organoiden auf Basis von Bildsequenzen zu lernen. Diese Information wurde dazu verwendet, die zukünftige Struktur einzelner Organoide vorherzusagen. Die Methode ermöglicht es, die vorhergesagten Organoid-Strukturen als Versuchskontrolle zu verwenden, um z. B. den Effekt von Wirkstoffen auf Organoide zu testen.
- WWW:
- https://mediatum.ub.tum.de/?id=1701820
- Eingereicht am:
- 27.03.2023
- Mündliche Prüfung:
- 29.06.2023
- Dateigröße:
- 20421784 bytes
- Seiten:
- 106
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230629-1701820-1-0
- Letzte Änderung:
- 12.07.2023
BibTeX