Robotic System for Blood Serum Aliquoting Based on a Neural Network Model of Machine Vision

Abstract

The quality of the diagnostic information obtained in the course of laboratory studies depends on the accuracy of compliance with the regulations for the necessary work. The process of aliquoting blood serum requires immersing the pipette to different depths depending on the boundary level between blood phases. A vision system can be used to determine this depth during automated aliquoting using various algorithms. As part of the work, two recognition algorithms are synthesized, one of which is based on the use of the HSV color palette, the other is based on the convolutional neural network. In the Python language, software systems have been developed that implement the ability of a vision system to recognize blood in test tubes. The developed methods are supposed to be used for aliquoting biosamples using a delta robot in a multirobotic system, which will increase the productivity of ongoing biomedical research through the use of new technical solutions and principles of intelligent robotics. The visualized results of the work of the considered programs are presented and a comparative analysis of the quality of recognition is carried out.

Assessment of the reliability of serological monitoring results based on biobank materials

“…Полученные нами результаты, а также данные других авторов свидетельствуют о том, что обеспечение сохранности антител является комплексной задачей и деструктивное влияние многих факторов преаналитического этапа нельзя исключить полностью. В связи с этим перспективным направлением совершенствования технологического процесса биобанкирования является разработка методов и средств автоматизации с целью минимизации ручного труда [19,20]. Такой подход позволит исключить ошибки и максимально стандартизировать операционные процедуры в биобанкировании, минимализируя, тем самым, влияние преаналитического этапа на результаты исследования.…”