手稿“延时显微图像分析的高级框架”中提出的算法可以检测、跟踪和分类癌细胞，以及检测延时显微图像中的吞噬作用。
cell_classification文件夹中的文件是将癌细胞分类为活细胞和死细胞所需的代码。
该文件实现了图像中细胞的检测。它包含几个步骤，例如将彩色图像转换为灰度图像、将灰度图像转换为二值图像、在二值图像中查找轮廓、确定轮廓是否实际上是细胞以及计算细胞的形状。
此代码对图像中的细胞进行分类。它包含几个步骤，例如通过连续图像跟踪细胞，确定哪些细胞是活的，哪些是死的。
该代码将延时显微镜图像作为输入数据，并向用户提供细胞分类作为输出。它调用 cell_detect.py 和 cell_classify.py 进行计算。
用户需要在Ubuntu环境中运行代码。准备好输入数据后，执行以下命令：
$./main.py
phagocytosis_detection文件夹中的文件是检测图像中吞噬作用的代码。
该文件实现了图像中细胞的检测。它包含几个步骤，例如将彩色图像转换为灰度图像、将灰度图像转换为二值图像、在二值图像中查找轮廓、确定轮廓是否实际上是细胞以及计算细胞的形状。
该代码检测连续图像中的吞噬作用。它包含 DBSCAN、线性回归和确定簇是否包含吞噬作用的应用。
该代码采用延时显微镜图像作为输入数据，并为用户提供一个视频，其中细胞聚集在一起，如果它包含吞噬作用作为输出，则标记簇。它调用 cell_detect.py 和 phagocytosis_detect.py 进行计算。
用户需要在Ubuntu环境中运行代码。准备好输入数据后，执行以下命令：
$./main.py
