基于GPU并行化的干细胞遗传优化算法研究

摘要

干细胞研究是生物医药研究里重要的领域之一。干细胞是每一个生命体的起源,它们包含重要的特性,可以应用于医疗领域。神经干细胞是神经系统的起源(如大脑,神经),研究它们能提高我们对大脑形成和机能的认知,进而在再生医药方面带来重要突破,可用于治疗重大疾病,如帕金森,老年痴呆症或脑癌。
　　本文重点研究神经干细胞从一个细胞如何发展到一个细胞团的遗传过程。通过了解这个发展过程,人们就有可能复制这个过程,为重建人类细胞,治疗退化的细胞带来可能。由IPAL带领的研究团队试图为生物学家提供新的研究工具与手段,论文研究的目的是提供神经干细胞发展的三维模型。
　　论文研究中所面临的最大的难题是如何获取数据。由于物理和技术条件的限制,如何捕捉神经干细胞的三维图像而不杀死细胞非常困难。研究干细胞的主流工具是相衬显微镜,但此种显微镜仅提供二维图像。本文的研究内容即是基于这些二维图像构建三维模型。
　　论文实现了从二维图像到三维模型的构建与转换。在转换处理中,采用启发式方法生成三维模型,然后在基于遗传算法优化与完善模型。由于基于遗传算法的模型优化过程非常耗时,为提高效率,本文使用平行线程和CUDA的C技术提高图像处理的速度。
　　论文成果可显著的提高干细胞图像三维建模的效率(相较传统算法提高20倍左右),减少了原来配置的误差,对研究对大脑形成与机能认知,以及再生医药研究具有重大意义方面。

目录

封面

中文摘要

英文摘要

目录

1. Introduction

1.1. Backgroud

1.2. The purpose of project

1.3. The status of related research

1.4. Main content and organization of the thesis

2. System Requirement Analysis

2.1. The goal of the system

2.2. The functional requirements

2.3. The un-functional requirements

2.4. Brief summary

3. System Design

3.1. Fitness Function Optimisation Design

3.2. Genetic Algorithm Design

3.3. Un-functionnal requirements Design

3.4. Key techniques

3.5. Brief summary

4. Chapter 4 System Implementation and Testing

4.1. The environment of system implementation

4.2. Key program flow charts

4.3. Key Interfaces of the software sy stem

4.4. System Testing

4.5. Brief summary

References

声明

致谢

Resume