Machine Learning-enabled optimization of microneedle design for interstitial fluid collection
Interstisyel sıvı toplama için makine öğrenimi etkileştirilmiş mikroiğne tasarım optimizasyonu
- Tez No: 816525
- Danışmanlar: DOÇ. DR. SAVAŞ TAŞOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Biyoteknoloji, Biotechnology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Bilimler ve Mühendislik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Mikroiğneler aracılığıyla biyolojik numune alımı ve ilaç dağıtımı biyoteknoloji alanında hızla gelişmekte olan ve tıpta noninvazif metodlara önemli katkı sağlayan bir yöntemdir. Literatürde mikroiğneler üzerine yapılan çalışmalar, mekanik testlere dayalı tasarımlar önermekte ve deneme-yanılma yöntemine dayalı olarak mikroiğnenin fiziksel parametrelerini optimize etmektedir. Bu yöntemler kısmen yeterli sonuçlar gösterse de, geniş bir parametre veri kümesi ve gelişmiş veri analizi yöntemlerini kullanarak mikroiğnenin performansını geliştirmek mümkündür. Makine öğrenmesi, veri analitiğinde insan öğrenme davranışını taklit eden önemli bir çalışma alanıdır, aynı zamanda biyoteknoloji de dahil olmak üzere birçok farklı alanda çeşitli karar verme süreçlerini hızlandıran, hesaplamalı bilimlerde en çok çalışılan konulardan biridir. Bu çalışmada, azami miktarda sıvı toplamak için en optimal fiziksel parametreleri belirlemek amacıyla sonlu elemanlar analizi ve makine öğrenmesi modellerinin bir entegrasyonu önerilmiştir. Mikroiğne üzerindeki akışkan davranışı, COMSOL Multiphysics® kullanılarak birkaç farklı fiziksel ve geometrik parametre ile simüle edilmiştir ve elde edilen veri seti, çoklu doğrusal regresyon, rastgele karar ormanları regresyonu, karar ağacı regresyonu, destek vektör regresyonu ve yapay sinir ağları dahil olmak üzere çeşitli Makine Öğrenmesi algoritmaları için girdi olarak kullanılmıştır. Karşılaştırılabilir bir yöntem olarak, LiveLink™ for MATLAB® aracılığıyla tekrarlı optimizasyon gerçekleştirilmiştir. Bu çalışma esasen önceden belirlenmiş performans ölçütleri dahilinde mikroiğne tasarımını optimize etmeye yönelik yeni bir yaklaşım sunmaktadır
Özet (Çeviri)
Utilization of microneedles (MNs) for biological fluid sampling and drug delivery is an emerging field in biotechnology, which contributes greatly to non-invasive methods in medicine. Prior studies on MNs propose designs based on mechanical testing and optimize physical parameters of the MN based on trial-and-error method. While these methods show adequate results, it is possible to enhance the performance of a MN using a large dataset of parameters and their respective performance using advanced data analysis methods. Machine learning (ML) is an important field of study in data analytics that mimics human learning behavior. It is one of the most studied topics in computational sciences which expedites various decision-making processes in many different areas, including biotechnology. In this study, an integration of finite element analysis and ML models are proposed with the purpose of determining the best physical parameters for a MN design, in order to maximize the amount of collected fluid. The fluid behavior in a MN patch is simulated with several different physical and geometrical parameters using COMSOL Multiphysics®, and the resulting dataset is used as the input for ML algorithms including multiple linear regression, random forest regression, decision tree regression, support vector regression, and neural networks. As a comparable method, iterative optimization is performed via LiveLink™ for MATLAB®. This study essentially introduces a novel approach to optimizing MN design for predetermined performance metrics.
Benzer Tezler
- Ai-enabled optimization of 3D-printed microneedles for simultaneous epidermal and dermal delivery
Eşzamanlı epidermal ve dermal ilaç teslimat için 3D baskılı mikroiğnelerin yapay zeka destekli optimizasyonu
MISAGH REZAPOUR SARABI
Doktora
İngilizce
2024
Mühendislik BilimleriKoç ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. SAVAŞ TAŞOĞLU
PROF. DR. METİN SİTTİ
- Makine öğrenimi etkileştirilmiş ekstrüzyon bazlı 3 boyutlu yazıcıların optimizasyonu
Machine learning-enabled optimization of extrusion-based 3d printing
SAJJAD RAHMANI DABBAGH
Yüksek Lisans
İngilizce
2022
Makine MühendisliğiKoç ÜniversitesiTasarım, Teknoloji ve Toplum Bilimi Ana Bilim Dalı
Assoc. Prof. Dr. SAVAŞ TAŞOĞLU
- Makine öğrenmesi modelleri kullanarak CRISPR-Cas9 tabanlı gen düzenleme sistemlerinin optimizasyonu
Optimization of CRISPR-Cas9 based genome editing systems using machine learning models
ALPEREN TOKGÖZ
Yüksek Lisans
Türkçe
2025
BiyomühendislikFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZAL YILDIRIM
- Hyperparameter optimization of autoencoders for deeplearning of collective variables
Kollektif değişkenlerin derin öğrenmesi için otokodlayıcıların hiperparametreoptimizasyonu
NURDAN ÖZKARAASLAN
Yüksek Lisans
İngilizce
2024
Kimya MühendisliğiBoğaziçi ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. BETÜL URALCAN KILAVUZ
- Araçların interneti uygulamaları için V2X tabanlı sistemlerde gerçek zamanlı optimizasyon çözümleri
Real-time optimization solutions in V2X-based systems for internet of vehicles applications
MEHMET BİLBAN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR İNAN