In recent years, significant progress has been made in automating the microinjection of zebrafish embryos, driven by the need for high-precision, high-throughput biological research. Zebrafish embryos are widely used in genetics, pharmacological testing, and developmental biology due to their transparency, rapid development, and genetic similarity to humans. However, manual techniques remain labor-intensive and prone to errors, making automated systems increasingly essential. This thesis presents a comprehensive system for sorting, microinjection, and quantification of rotifers. A YOLOv5-based model classifies embryos as live, unfertilized, and dead with an accuracy of 95.8%, while YOLOv8 enables real-time sorting (Stage 1, Advanced, Dead) with an accuracy of 97.6%. These systems leverage microfluidics and computer vision to ensure precise and non-invasive manipulation. For microinjection, a servo-vision system dynamically adjusts the micropipette angle, reducing misalignment errors. A force sensor regulates the applied pressure, preventing damage to the embryos. Additionally, an automated Rotiferometer based on YOLOv8 quantifies rotifers with an average precision of 94.7%. The results demonstrate a significant reduction in workload and improved accuracy compared to manual methods, offering a scalable and cost-effective solution for biological research.

Negli ultimi anni, l'automazione della microiniezione degli embrioni di zebrafish ha fatto significativi progressi, rispondendo alla crescente esigenza di precisione e alta produttività nella ricerca biologica. Gli embrioni di zebrafish, grazie alla loro trasparenza, rapido sviluppo e somiglianza genetica con l'uomo, sono ampiamente utilizzati in genetica, test farmacologici e biologia dello sviluppo. Tuttavia, le tecniche manuali rimangono laboriose e soggette a errori, rendendo sempre più cruciale l'adozione di sistemi automatizzati. Questa tesi presenta un sistema completo per il triaggio, la microiniezione e la quantificazione dei rotiferi. Un modello basato su YOLOv5 classifica gli embrioni come vivi, non fecondati e morti con un'accuratezza del 95,8%, mentre YOLOv8 consente un triaggio in tempo reale (Stadio 1, Avanzato, Morto) con una precisione del 97,6%. Questi sistemi utilizzano la microfluidica e la visione artificiale per garantire una manipolazione precisa e non invasiva. Per la microiniezione, un sistema di servo-visione regola dinamicamente l'angolo della micropipetta, riducendo gli errori di allineamento. Un sensore di forza controlla la pressione applicata, prevenendo danni agli embrioni. Inoltre, un Rotiferometro automatizzato, basato su YOLOv8, quantifica i rotiferi con una precisione media del 94,7%. I risultati dimostrano una significativa riduzione del carico di lavoro e un miglioramento della precisione rispetto ai metodi manuali, offrendo una soluzione scalabile ed economica per la ricerca biologica.

Robotic (assisted and automated) manipulation and characterization of biological micro-samples

DIOUF, ALIOUNE BADARA
2025

Abstract

In recent years, significant progress has been made in automating the microinjection of zebrafish embryos, driven by the need for high-precision, high-throughput biological research. Zebrafish embryos are widely used in genetics, pharmacological testing, and developmental biology due to their transparency, rapid development, and genetic similarity to humans. However, manual techniques remain labor-intensive and prone to errors, making automated systems increasingly essential. This thesis presents a comprehensive system for sorting, microinjection, and quantification of rotifers. A YOLOv5-based model classifies embryos as live, unfertilized, and dead with an accuracy of 95.8%, while YOLOv8 enables real-time sorting (Stage 1, Advanced, Dead) with an accuracy of 97.6%. These systems leverage microfluidics and computer vision to ensure precise and non-invasive manipulation. For microinjection, a servo-vision system dynamically adjusts the micropipette angle, reducing misalignment errors. A force sensor regulates the applied pressure, preventing damage to the embryos. Additionally, an automated Rotiferometer based on YOLOv8 quantifies rotifers with an average precision of 94.7%. The results demonstrate a significant reduction in workload and improved accuracy compared to manual methods, offering a scalable and cost-effective solution for biological research.
26-mag-2025
Inglese
Negli ultimi anni, l'automazione della microiniezione degli embrioni di zebrafish ha fatto significativi progressi, rispondendo alla crescente esigenza di precisione e alta produttività nella ricerca biologica. Gli embrioni di zebrafish, grazie alla loro trasparenza, rapido sviluppo e somiglianza genetica con l'uomo, sono ampiamente utilizzati in genetica, test farmacologici e biologia dello sviluppo. Tuttavia, le tecniche manuali rimangono laboriose e soggette a errori, rendendo sempre più cruciale l'adozione di sistemi automatizzati. Questa tesi presenta un sistema completo per il triaggio, la microiniezione e la quantificazione dei rotiferi. Un modello basato su YOLOv5 classifica gli embrioni come vivi, non fecondati e morti con un'accuratezza del 95,8%, mentre YOLOv8 consente un triaggio in tempo reale (Stadio 1, Avanzato, Morto) con una precisione del 97,6%. Questi sistemi utilizzano la microfluidica e la visione artificiale per garantire una manipolazione precisa e non invasiva. Per la microiniezione, un sistema di servo-visione regola dinamicamente l'angolo della micropipetta, riducendo gli errori di allineamento. Un sensore di forza controlla la pressione applicata, prevenendo danni agli embrioni. Inoltre, un Rotiferometro automatizzato, basato su YOLOv8, quantifica i rotiferi con una precisione media del 94,7%. I risultati dimostrano una significativa riduzione del carico di lavoro e un miglioramento della precisione rispetto ai metodi manuali, offrendo una soluzione scalabile ed economica per la ricerca biologica.
Legnani, Giovanni
FASSI, IRENE
Università degli studi di Brescia
File in questo prodotto:
File Dimensione Formato  
Thesis_ABDIOUF (14)_compressed.pdf

accesso aperto

Dimensione 12.23 MB
Formato Adobe PDF
12.23 MB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/211221
Il codice NBN di questa tesi è URN:NBN:IT:UNIBS-211221