Project

.
.
Fast and cost effective machine learning based system for microbial growth analysis
Project publications:
Project title: Fast and cost effective machine learning based system for microbial growth analysis
Number of project implementation agreement: 1.1.1.1/19/A/147
Registration number: 4263
Department: Department of Computer Control and Computer Networks
Administrating department: Project Implementation and Coordination Unit
Finance fund: ERAF, 1.1.1.1. “Praktiskas ievirzes pētījumi”
Project RTU role: project partner
Status: Ended
Project start date: 01.07.2020.
Project end date: 30.06.2023.
Title of grant issuer: Centrālā finanšu un līgumu aģentūra
General manager: Dmitrijs Bļizņuks
Administrative manager: Esmeralda Atroška
Total finance:
Projekta RTU daļas finansējums ir 192 868.88 EUR ( t.sk. RTU līdzfinansējums ir 14 465.17 EUR no kuriem 9635.28 EUR natūras fin.)
Summary:

Projekta mērķis ir izstrādāt un validēt lāzera speklu kontrasta attēlošanas prototipa ierīci ar iegultu MNT sistēmu mikrobu aktivitātes ātrai bezkontakta novērtēšanai uz cietas barotnes. Piedāvātā tehnika ievērojami samazinās (divas līdz sešas reizes) laiku, kas nepieciešams, lai noteiktu mikroorganismu skaitu vai augšanas ātrumu nekā standarta (manuāla koloniju veidojošo vienību skaitīšana, KVV) metode un automatizētu darbietilpīgu skaitīšanas un mikroorganismu klasifikācijas procesu.
Projekta mērķi:
– izstrādāt un izveidot rentablu, autonomu kompaktu lāzeru speklu attēlošanas Sistēmu mikroorganismu skaitīšanai un klasificēšanai;
– validēt mikroorganismu skaitīšanas un klasifikācijas sistēmu laboratorijas vidē;
– validēt mikroorganismu skaitīšanas un klasifikācijas sistēmu reālajā vidē;
– izstrādāt protokola priekšlikumu jaunai standartmetodei mikroorganismu skaitīšanai;
– iesniegt 9 zinātniskus rakstus žurnālos vai konferences materiālos, kas citēti SCOPUS vai Web of Science datubāzēs. Trīs no tiem – brīvpieejas recenzētos žurnālos, kuru citēšanas indekss sasniedz vismaz 50 procentus no nozares vidējā citēšanas indeksa.

Activities:
1 Autonomas un kompaktas lāzeru speklu attēlošanas ierīces izveide baktēriju skaitīšanai un klasificēšanai
1.1 Kompakta prototipa ierīces izstrāde mikrobu augšanas monitoringam baltās gaismas un lāzera apgaismojumā
1.2 “Kopējā skaita” funkcijas ieviešana kompaktajā ierīcē, izmantojot lāzera speklu analīzi
1.3 Makslīgo neirontīklu (MN) apmācība mikrobu koloniju klasifikācijai
1.4 Pilnās funkcionēšanas kompaktas ierīces ar iegultu MN projektēšana un uzlabošana
2 Sistēmas testi laboratorijas vidē
2.1 Augšanas testu veikšana, lai attīstītu Sistēmas mikroorganismu "kopējā skaita" funkciju izmantojot references un no analīžu materiāla izdalītos mikroorganismu celmus
2.2 Mikroorganismu references celmu augšanas testi uz specifiskām atlases barotnēm, lai uzkrātu attēlu masīvu MN apmācībai
2.3 Sistēmas darbības pārbaude reālos laboratorijas apstākļos izmantojot nezināmus mikroorganismu celmus.
3 Sistēmas testi reālā vidē
3.1 Sistēmas darbības verifikācija Auctoritas laboratorijā izmantojot vismaz 3 ISO vai GOST standartmetodes.
3.2 Jaunas standartmetodes atīstīšana, tās validācija pret "zelta standartu" (manuālu KVV skaitīšanu)
4 Publicitāte un izplatīšana
4.1 Projekta rezultātu publicēšana un izplatīšana
4.2 Zinātības apraksta sagatavošana licencēšanai
Partners:
  • University of Latvia
  • SIA Laboratorija AUCTORITAS
Project published on RTU website: 01.07.2020.

University