El algoritmo propuesto en el manuscrito "Un marco avanzado para el análisis de imágenes de microscopía de lapso de tiempo" puede detectar, rastrear y clasificar células cancerosas, así como detectar fagocitosis en imágenes de microscopía de lapso de tiempo.
Los archivos de la carpeta cell_classification son los códigos necesarios para clasificar las células cancerosas en vivas y muertas.
Este archivo implementa la detección de celdas en las imágenes. Contiene varios pasos, como convertir imágenes en color a imágenes en escala de grises e imágenes en escala de grises a imágenes binarias, encontrar contornos en imágenes binarias, determinar si un contorno es realmente una celda y calcular la forma de las celdas.
Este código clasifica las celdas de las imágenes. Contiene varios pasos, como rastrear células a través de imágenes continuas, determinar qué células están vivas y cuáles muertas.
Este código toma imágenes de microscopía de lapso de tiempo como datos de entrada y le da al usuario la clasificación de las células como salida. Llama a cell_detect.py y cell_classify.py para el cálculo.
Los usuarios deben ejecutar el código en Ubuntu Environment. Después de preparar los datos de entrada, ejecute el siguiente comando:
$./principal.py
Los archivos de la carpeta phagocytosis_detection son los códigos para detectar la fagocitosis en las imágenes.
Este archivo implementa la detección de celdas en las imágenes. Contiene varios pasos, como convertir imágenes en color a imágenes en escala de grises e imágenes en escala de grises a imágenes binarias, encontrar contornos en imágenes binarias, determinar si un contorno es realmente una celda y calcular la forma de las celdas.
Este código detecta la fagocitosis en imágenes continuas. Contiene la aplicación de DBSCAN, regresión lineal y determinación si un cluster contiene fagocitosis.
Este código toma imágenes de microscopía de lapso de tiempo como datos de entrada y le brinda al usuario un video en el que las células están agrupadas y los grupos se marcan si contiene fagocitosis como salida. Llama a cell_detect.py y phagocytosis_detect.py para el cálculo.
Los usuarios deben ejecutar el código en Ubuntu Environment. Después de preparar los datos de entrada, ejecute el siguiente comando:
$./principal.py
