ارائه کننده: سید حسن صفاری
استاد راهنمای اول: دکتر داود فتحی
استاد راهنمای دوم: دکتر روح الله فتحی
استاد مشاور: دکتر حمید گورابی
استاد ناظر داخلی اول: دکتر وحید احمدی
استاد ناظرداخلی دوم: دکتر احسان الله کبیر
استاد ناظر خارجی اول: دکتر مجبی رضازاده
استاد ناظر داخلی دوم: دکتر عماد الدین فاطمی زاده
تاریخ: 1402/12/05
ساعت: 10
مکان: دانشکده مهندسی برق و کامپیوتر، کلاس 351

چکیده:
اگرچه فناوری‌های IVF و انتقال جنین در 30 سال گذشته به‌طور قابل‌توجهی بهبود یافته‌اند، اثربخشی IVF نسبتاً پایین (حدود 20 تا 40 درصد) باقی مانده است. با پیشرفت علوم مهندسی به‌مرور حوزه‌های میکروالکترونیک، میکرومکانیک، مهندسی بیولوژیک و نانوتکنولوژی باهم ترکیب‌شده‌اند و روش‌های نوینی به علم پزشکی از جمله جهت ارزیابی خواص سلولی معرفی کردند. ارزیابی خواص مکانیکی بالاترین قابلیت را در ارزیابی‌های سلولی نشان داده است. در این مقاله با استفاده از یک کانال میکروفلوئیدیک مبتنی بر روش آسپیراسیون هیدرودینامیکی، خواص مکانیکی 54 تخمک نابالغ در مرحله GV ارزیابی شده است. تصاویر عبور تخمک از کانال با استفاده از یک دوربین ثبت شد. تخمک ها پس از ارزیابی از خروجی کانال جمع آوری شده و برای فرآیند رشد، لقاح و تشکیل جنین به محیط کشت منتقل شدند. مرحله نهایی شامل GV، MII، Zygot و Cleved Embryo به عنوان سرنوشت سلولی برای هر تخمک ثبت شد.
در مرحله بعدی ویدیوهای ثبت‌شده برای تحلیل و استخراج ویژگی‌ها به قاب‌های متوالی تبدیل شدند. سپس تصاویر به‌صورت انفرادی مورد تجزیه‌وتحلیل قرار گرفتند. داده‌هایی از جمله اندازه تخمک، تنش سطحی و میزان تغییر شکل تخمک تحت جریان بحرانی از روی تصاویر استخراج شدند. در کنار این ویژگی‌ها، جریان بحرانی در حین انجام آزمایش برای هر نمونه ثبت و گزارش شد. از این چهار پارامتر به‌عنوان ویژگی‌های موردنیاز در روش KNN استفاده شد. نتایج نشان داد که از بین سه معیار فاصله اقلیدسی، منهتن و مینکوفسکی، معیار فاصله سنجی مینکوفسکی در K=7 بهترین میزان صحت پیش‎بینی را ارائه می‌کند؛ همچنین نتایج نشان داد که با حذف ویژگی اندازه، صحت پیش‎بینی الگوریتم افزایش می‌یابد. در انتها با استفاده از این روش به پیش‌بینی سرنوشت تخمک پرداخته شد. نتایج نشان داد که صحت پیش‌بینی الگوریتم مبتنی بر روش فاصله سنجی مینکوفسکی و K=7 برای رسیدن تخمک‌ها از مرحله GV به مرحله بلوغ 71.69 درصد بوده است. همچنین صحت این الگوریتم برای پیش‌بینی فرآیند لقاح از مرحله GV برابر 69.81 درصد بوده است و درنهایت این میزان برای پیش‌بینی موفقیت در فرآیند تقسیم سلولی برابر 73.58 درصد بوده است