Segmentation of cells from microscopic images

Abstract

V této práci prezentujeme novou metodu na automatickou segmentaci savčích rakovinových buněk z časozběrných snímků pořízených mikroskopem na bázi fázového kontrastu. Tato metoda je sledem kroků založených na základních technikách z oblasti zpracování obrazu, matematické morfologie a teorie grafů. Její hlavní myšlenkou je využít přítomnosti halo artefaktů kolem buněk, díky nimž jsou hranice mezi buňkama světlejší než zbytek obrázku. Navazuje na metodu navrženou Jindřichem Soukupem, která umí oddělovat buňky od pozadí. Srovnáme tuto metodu s watershed - věřejně dostupným algoritmem z odvětví matematické morfologie. Jako referenci použijeme segmentaci lidským expertem. Prezentována metoda je implementována v MATLABu a Javě s jednoduchým a intuitivním rozhraním. Také připojujeme přímočarý editor segmentace, pomocí něhož užívatel může napravit nepřesnosti segmentace, nebo dokonce vytvořit svou vlastní manuální segmentaci. Powered by TCPDF (www.tcpdf.org)

In this thesis, we present a new method for the automatic segmentation of mammalian cancer cells from time-lapse images obtained by a microscope based on phase contrast. This method is a pipeline composed of basic techniques from the field of image processing, mathematical morphology and the theory of graphs. Its main idea is to utilize the presence of halo artifacts around the cells, which cause the boundaries between the cells to be lighter than the rest of the image. It follows up to the method proposed by Jindřich Soukup which is able to separate the cells from the background. We compare this method to the watershed - a publicly available algorithm from the field of mathematical morphology. We use segmentation by a human expert as the ground truth. The presented method is implemented in MATLAB and Java with a simple and intuitive interface. We also attach a straightforward GUI editor of segmentation written in Java, with the help of which a user can correct imprecisions in the segmentation, or even create their own manual segmentation. Powered by TCPDF (www.tcpdf.org)