Inkubátorban növő sejtek (Human Caucasian colon adenocarcinoma) 10X nagyítású mikroszkóp objektívvel előállított képét egy optikájától megfosztott webkamera (Genius Eye 110) rögzíti. MATLAB-ból vezérelve percenként készül felvétel (RGB24_352x288), akár több napon keresztül is. A képek általában már több (akár 100) sejtből álló klasztereket és nem egyedi sejteket mutatnak. A célkitűzés számszerűsíteni a látottakat, jellemezni a sejtklaszterek dinamikáját.

Ehhez az egyes sejtklaszterek precíz meghatározása (szegmentálása) szükséges, mely után már meghatározhatóak azok bizonyos tulajdonságai – úgymint: kerület (fluktuáció), terület – és ezek időbeni eloszlása.

Az egyes képek feldolgozásakor fontos, hogy megtaláljuk azokat az előfeldolgozó technikákat, melyekkel optimális jellemzők (feature-ök) nyerhetők ki a képekből a szegmentációs eljáráshoz, illetve a zajok, az egyes képi hibák és a felvétel során előálló rossz expozíció kiküszöbölhető.

A létező szegmentációs eljárások közül egy statisztikai eljárást – a Fuzzy C-Means osztályozást – választottam, mivel ezzel a kép több jellemzője alapján végezhető el a szegmentálás. Ilyen jellemzők például az egyes képpontok adott környezetének szórása vagy a kép optimálisan kontrasztos szürkeskálás változata.

Mivel az időben egymást követő képek, képkockák (ha videóként tekintünk a képsorozatra) nem térnek el nagymértékben, az előző képnél előálló szegmentációs eredmény is ilyen jellemzőnek tekinthető a következő képnél, mellyel jelentősen javítható a szegmentáció pontossága.

A szegmentáció után az előálló szegmentált klaszterek jellemzőinek meghatározása a feladat. Erre és az előálló adatokból való statisztika előállítására a MATLAB környezet nagyon jó eszközöket biztosít.

Ezekre építve egy olyan algoritmust készítettem, mely a rendelkezésre álló felvételekből értékelhető jellemzőket nyer ki, majd ezekből elkészíti a megfelelő statisztikákat.