論文「タイムラプス顕微鏡画像解析のための高度なフレームワーク」で提案されているアルゴリズムは、タイムラプス顕微鏡画像で癌細胞を検出、追跡、分類するだけでなく、食作用も検出できます。
cell_classification フォルダー内のファイルは、がん細胞を生細胞と死細胞に分類するために必要なコードです。
このファイルは、画像内の細胞の検出を実装します。これには、カラー イメージからグレー スケール イメージへの変換、グレー スケール イメージからバイナリ イメージへの変換、バイナリ イメージ内の輪郭の検出、輪郭が実際に細胞であるかどうかの判断、細胞の形状の計算などのいくつかのステップが含まれています。
このコードは画像内のセルを分類します。これには、連続画像を通じて細胞を追跡し、どの細胞が生きていてどの細胞が死んでいるかを判断するなど、いくつかのステップが含まれています。
このコードは、タイムラプス顕微鏡画像を入力データとして受け取り、ユーザーに出力として細胞の分類を提供します。計算のために cell_detect.py と cell_classify.py を呼び出します。
ユーザーは Ubuntu 環境でコードを実行する必要があります。入力データを準備したら、次のコマンドを実行します。
$./main.py
phagocytosis_detection フォルダー内のファイルは、画像内の貪食を検出するためのコードです。
このファイルは、画像内の細胞の検出を実装します。これには、カラー イメージからグレー スケール イメージへの変換、グレー スケール イメージからバイナリ イメージへの変換、バイナリ イメージ内の輪郭の検出、輪郭が実際に細胞であるかどうかの判断、細胞の形状の計算などのいくつかのステップが含まれています。
このコードは、連続画像内の貪食を検出します。これには、DBSCAN の適用、線形回帰、およびクラスターに貪食が含まれるかどうかの判定が含まれます。
このコードは、タイムラプス顕微鏡画像を入力データとして受け取り、細胞がクラスター化され、出力として貪食が含まれる場合はクラスターがマークされるビデオをユーザーに提供します。計算のために cell_detect.py と phagocytosis_detect.py を呼び出します。
ユーザーは Ubuntu 環境でコードを実行する必要があります。入力データを準備したら、次のコマンドを実行します。
$./main.py
