يمكن للخوارزمية المقترحة في المخطوطة "إطار عمل متقدم لتحليل الصور المجهرية بفاصل زمني" اكتشاف الخلايا السرطانية وتتبعها وتصنيفها بالإضافة إلى اكتشاف البلعمة في الصور المجهرية بفاصل زمني.
الملفات الموجودة في المجلد cell_classification هي الرموز المطلوبة لتصنيف الخلايا السرطانية إلى حية وميتة.
ينفذ هذا الملف الكشف عن الخلايا في الصور. يحتوي على عدة خطوات مثل تحويل الصور الملونة إلى صور ذات مقياس رمادي وصور ذات مقياس رمادي إلى صور ثنائية، وإيجاد الخطوط الكنتورية في الصور الثنائية، وتحديد ما إذا كان الكفاف عبارة عن خلية بالفعل، وحساب شكل الخلايا.
يقوم هذا الكود بتصنيف الخلايا الموجودة في الصور. ويحتوي على عدة خطوات مثل تتبع الخلايا من خلال الصور المتواصلة، وتحديد الخلايا الحية وأيها الميتة.
يأخذ هذا الرمز صورًا مجهرية بفاصل زمني كبيانات إدخال ويمنح المستخدم تصنيف الخلايا كمخرجات. فهو يستدعي cell_detect.py وcell_classify.py لإجراء الحساب.
يحتاج المستخدمون إلى تشغيل التعليمات البرمجية في Ubuntu Envirenment. بعد إعداد البيانات المدخلة، قم بتنفيذ الأمر التالي:
$./main.py
الملفات الموجودة في مجلد phagocytosis_detection هي رموز للكشف عن البلعمة في الصور.
ينفذ هذا الملف الكشف عن الخلايا في الصور. يحتوي على عدة خطوات مثل تحويل الصور الملونة إلى صور ذات مقياس رمادي وصور ذات مقياس رمادي إلى صور ثنائية، وإيجاد الخطوط الكنتورية في الصور الثنائية، وتحديد ما إذا كان الكفاف عبارة عن خلية بالفعل، وحساب شكل الخلايا.
يكتشف هذا الرمز البلعمة في الصور المستمرة. أنه يحتوي على تطبيق DBSCAN، والانحدار الخطي وتحديد ما إذا كانت المجموعة تحتوي على البلعمة.
يأخذ هذا الرمز صورًا مجهرية بفاصل زمني كبيانات إدخال ويمنح المستخدم مقطع فيديو يتم فيه تجميع الخلايا ويتم وضع علامة على المجموعات إذا كانت تحتوي على البلعمة كمخرجات. فإنه يستدعي cell_detect.py وphagocytosis_detect.py للحساب.
يحتاج المستخدمون إلى تشغيل التعليمات البرمجية في Ubuntu Envirenment. بعد إعداد البيانات المدخلة، قم بتنفيذ الأمر التالي:
$./main.py
