Microbe Detection Using Signal Processing and Locality Sensitive Hashing

Naše spoznaje o interakcijama ljudi i mikroskopskih organizama se nepresetano razvijaju. Iz tog razloga izrazito je važno moći ih prepoznati i identificirati. Cilj ovog rada bio je razviti rješenje za detekciju mikroba koristeći obradu signala i lokalno osjetljivo raspršeno adresiranje. Predstavljamo rješenje koje se sastoji od detekcije događaja, kontinuirane valićne transformacije, kombinatornog raspršenog adresiranja i MinHash lokalno osjetljivog raspršenog adresiranja. Rješenje je testirano na generiranom skupu podataka sa svrhom utvrđivanja kako tip i dužina signala utječu na izvođenje te na podskupu javno dostupnog Zymo mock community standard skupa podataka.Our knowledge of the interaction between humans and the microscopic lifeforms is constantly evolving. For this reason, our ability to detect and identify them is of paramount importance. The goal of this thesis was to develop a microbe detection solution using signal processing and locality sensitive hashing. We present a solution consisting of event detection, the continuous wavelet transform, combinatorial hashing and MinHash locality sensitive hashing. This solution was tested on a generated dataset to determine how signal types and signal lengths impact its performance as well as a subset of the publicly available Zymo mock community standard dataset