Algoritme yang diusulkan dalam naskah "An Advanced Framework for Time-lapse Microscopy Image Analysis" dapat mendeteksi, melacak, dan mengklasifikasikan sel kanker serta mendeteksi fagositosis pada gambar Mikroskop time-lapse.
File-file yang ada di folder cell_classification adalah kode-kode yang diperlukan untuk mengklasifikasikan sel kanker menjadi hidup dan mati.
File ini mengimplementasikan deteksi sel dalam gambar. Ini berisi beberapa langkah seperti mengubah gambar berwarna menjadi gambar skala abu-abu dan gambar skala abu-abu menjadi gambar biner, menemukan kontur dalam gambar biner, menentukan apakah suatu kontur benar-benar sebuah sel, dan menghitung bentuk sel.
Kode ini mengklasifikasikan sel dalam gambar. Ini berisi beberapa langkah seperti melacak sel melalui gambar yang berkelanjutan, menentukan sel mana yang hidup dan mana yang mati.
Kode ini mengambil gambar mikroskop selang waktu sebagai data masukan dan memberikan klasifikasi sel kepada pengguna sebagai keluaran. Ia memanggil cell_detect.py dan cell_classify.py untuk perhitungannya.
Pengguna perlu menjalankan kode di Lingkungan Ubuntu. Setelah menyiapkan data input, jalankan perintah berikut:
$./main.py
File dalam folder phagocytosis_detection adalah kode untuk mendeteksi fagositosis pada gambar.
File ini mengimplementasikan deteksi sel dalam gambar. Ini berisi beberapa langkah seperti mengubah gambar berwarna menjadi gambar skala abu-abu dan gambar skala abu-abu menjadi gambar biner, menemukan kontur dalam gambar biner, menentukan apakah suatu kontur benar-benar sebuah sel, dan menghitung bentuk sel.
Kode ini mendeteksi fagositosis pada gambar kontinu. Ini berisi penerapan DBSCAN, regresi linier dan penentuan apakah suatu cluster mengandung fagositosis.
Kode ini mengambil gambar mikroskop time-lapse sebagai data masukan dan memberikan pengguna video di mana sel-sel dikelompokkan dan cluster ditandai jika berisi fagositosis sebagai output. Ia memanggil cell_detect.py dan phagcytosis_detect.py untuk perhitungannya.
Pengguna perlu menjalankan kode di Lingkungan Ubuntu. Setelah menyiapkan data input, jalankan perintah berikut:
$./main.py
