Proyek Kotak Pasir BME 60B: 6 Langkah

2025 Pengarang: John Day | [email protected]. Terakhir diubah: 2025-01-23 14:49

Proyek Sandbox kami bertujuan untuk membantu para peneliti di bidang biologi menganalisis sampel sel dan mengetahui kondisi sel mereka. Setelah pengguna memasukkan gambar sampel sel mereka, kode kami memproses gambar agar siap untuk penghitungan sel dengan mengubah gambar menjadi skala abu-abu dan biner. Kode menggunakan ambang batas untuk menghapus informasi berlebih yang tidak berkaitan dengan sel sebenarnya untuk menemukan massa sel secara akurat. Setelah menghitung jumlah sel dalam gambar, kode kami memberikan ukuran piksel gambar dan kemudian menemukan distribusi area sel dengan memplot jumlah sel versus luas sel untuk memberi pengguna pertemuan, yang merupakan persentase permukaan cawan kultur yang ditutupi oleh sel-sel yang diinginkan. Berdasarkan pertemuan tersebut, peneliti dapat menentukan apakah sel harus dilewati atau tidak; Passaging of cells mengacu pada perluasan kehidupan atau jumlah sel atau mikroorganisme dengan mentransfer beberapa kultur ke media pertumbuhan segar, dan ini berguna ketika sel tumbuh terlalu besar atau kehabisan makanan. Setelah menjalankan kode dan memproses gambar, pengguna dapat memutuskan apakah mereka menerima atau menolak hasilnya, dan melanjutkan untuk menyesuaikan ambang batas untuk pengambilan data yang lebih baik jika diperlukan.

Langkah 1: Pilih dan Konfigurasikan Gambar untuk Analisis

Langkah pertama dalam kode kita adalah memilih gambar yang sesuai dan mengonfigurasinya untuk analisis di Matlab. Kami dapat memilih gambar menggunakan fungsi uigetfile yang memungkinkan kami mengambil file apa pun dan memasukkannya ke dalam program. Kemudian, menggunakan imread, kami membaca gambar dan mengonfigurasinya untuk analisis di Matlab. Gambar yang dipilih kemudian ditampilkan pada subplot.

Langkah 2: Ambang Batas dan GUI

Di awal kode, gambar dipilih menggunakan "uigetfile" dan kemudian mendefinisikan gambar itu dengan variabel. Variabel kemudian akan digunakan untuk mengidentifikasi kode saat menjalankan analisis yang berbeda. Sebuah subplot 2x2 dibuat pada gambar. Di posisi 1, gambar asli akan ditampilkan. Bagian kode selanjutnya adalah tempat penyesuaian ambang batas dilakukan. Awalnya default ambang 0,6 digunakan dan ditampilkan di posisi 2 subplot. Pernyataan if kemudian digunakan untuk menentukan apakah pengguna ingin mempertahankan ambang batas atau menyesuaikannya. Pengguna kemudian dapat menyesuaikan ambang batas menggunakan GUI yang mencakup gambar pada kondisi ambang batas yang berbeda, penggeser, dan tombol simpan. Setelah ambang batas ditetapkan, maka pengguna akan mengklik tombol simpan untuk menyimpan gambar dan akan disimpan dalam file MATLAB pengguna sebagai-p.webp

Langkah 3: Merencanakan Kontur dan Distribusi Sel

Bagian selanjutnya dari kode memplot kontur. Ada lingkaran di mana sel-sel diapit oleh perimeter merah, dan sel-sel yang berada di atas sel lain digariskan dalam warna hijau. Gambar yang digariskan kemudian ditampilkan di posisi 3 dengan garis jarak interaktif. Baris ini akan menentukan jumlah piksel dalam baris yang disesuaikan oleh pengguna untuk konverter piksel ke milimeter. Faktor jarak kemudian dikalikan dengan luas yang ditentukan oleh penyangga wilayah dan luas tersebut sekarang dinyatakan dalam milimeter kuadrat. Data tersebut kemudian diplot menggunakan histogram untuk melihat sebaran sel berdasarkan luasnya. Histogram ini kemudian akan ditampilkan di posisi 4.

Langkah 4: Konversi Gambar Sel

Pada langkah ini kami mengambil gambar skala abu-abu dan mem-biner, memfilter, dan membalikkannya. Melakukan fungsi-fungsi ini pada gambar menghilangkan piksel berisik yang dapat disalahartikan sebagai sel dan membuat gambar lebih halus dan lembut di sekitar tepi sel. Ini dilakukan untuk mengekstrak sel-sel dalam gambar sebagai "gumpalan" yang dapat dibedakan intensitasnya dari latar belakang. "Blob" adalah gambar putih dengan intensitas tinggi dan latar belakangnya hitam. Jika diizinkan sedikit lebih banyak waktu, kami akan menggunakan konversi gambar Blob yang berbeda alih-alih fungsi imbinarize agar lebih akurat dan lebih pas dengan gambar kami, tetapi kami membutuhkan lebih banyak waktu untuk meneliti dan mengimplementasikan fungsi tersebut.

Langkah 5: Hitung Sel dan Hitung Pertemuan Sel

Pada langkah kode ini, kami bertujuan untuk menghitung jumlah sel yang ada di gambar. Kami terutama menggunakan fungsi regionprops untuk menghitung area gumpalan dan jika area tersebut dihitung berada dalam batas yang kami inginkan, itu akan diplot pada subplot. Batas-batas ditetapkan untuk menghilangkan piksel-piksel derau kecil atau intensitas besar yang bukan merupakan sel. Penghitung sel kemudian akan menghitung centroid yang kemudian diplot dan menambahkannya ke penghitung di for loop. Setelah area sel ditentukan, kami dapat menghitung pertemuan. Kepentingan utama dari langkah ini dalam kode adalah untuk menemukan pertemuan sel dan ini sangat penting untuk tujuan akhir kami dari kode. Kami melakukan ini dengan menghitung dengan menjumlahkan piksel (jumlah (semua Area)) di setiap gumpalan dan kemudian membaginya dengan nilai piksel total gambar (angka (img)). Rasio ini akan memberi kita pertemuan dan jika ditentukan lebih besar dari 80% daripada waktunya bagi sel untuk dilewati oleh peneliti. Kami bertujuan untuk menjadi setepat dan seakurat mungkin tetapi dengan waktu yang terbatas maka ketidaktepatan memang terjadi. Jika waktu mengizinkan, kami akan mencari cara untuk membuat penghitungan gumpalan lebih akurat seperti lebih banyak teknik penyaringan dan/atau Transformasi Hough karena belum cukup banyak penelitian yang dilakukan untuk mencoba teknik penyaringan itu.

Langkah 6: Kebulatan Sel

Sebelum dapat mengukur kebulatan blob dalam suatu gambar, kita perlu mengonversi dari RGB ke skala abu-abu, binarisasi, inversi, dan filter gambar. Teknik pemfilteran menggunakan fungsi bwareaopen, yang memfilter gambar yang diinginkan dan menghilangkan spesifikasi atau piksel apa pun yang terlalu kecil yang tidak mewakili ukuran sel. Elemen penataan dibuat dengan bentuk disk dan lingkungan 2 dan digunakan untuk mengisi celah di latar belakang atau di dalam sel. Kemudian kami menggunakan fungsi bwboundaries yang melacak gumpalan dan menyimpannya ke dalam matriks. Kami kemudian memberi label pada gambar menggunakan warna yang berbeda sehingga menjadi visual yang lebih jelas. Selanjutnya, menggunakan for loop yang berjalan sesuai dengan jumlah objek dan lubang yang ditemukan pada gambar, ini menetapkan batas di sekitar blob yang sesuai dengan array ini. Setelah loop ini selesai, loop lain dimulai, sekali lagi sesuai dengan jumlah objek dan lubang yang ditemukan pada gambar. Kali ini kita menggunakan fungsi regionprops yang mengumpulkan properti tertentu seperti area dari array dan menyimpan informasi yang berisi jumlah objek dan lubang. Dengan menggunakan informasi ini, kami menghitung luas dan keliling objek-objek ini menggunakan bentuk pusat massa. Ambang batas ditetapkan untuk membandingkan hasil setelah kami menghitung unit metrik dari objek melingkar dan memplot pengukuran ini sebagai teks di samping centroid yang dihitung. Kode terakhir akan menampilkan kebulatan sel berbeda yang ditemukan pada gambar dan nilai apa pun yang mendekati nilai satu akan lebih bulat daripada yang lain. Nilai 1 menyiratkan bahwa sel itu bulat sempurna dan dalam kondisi baik untuk dilewati.