Automation of biological cell image processing

При анализе изображений биологических клеток все более востребованными становятся автоматизированные методы сегментации и хранения результатов. Ручная разметка чрезвычайно трудоемка и не масштабируется на большие объемы данных, а обычные алгоритмы сегментации создают бинарные маски значительного объема. Целью работы является разработка программного конвейера, который сочетает локальную пороговую фильтрацию и морфологическую постобработку для получения точной бинарной маски, а затем кодирует результат отрезками разной длины (RLE) для уменьшения занимаемого пространства. Используемые методы: на этапе сегментации применяются локальные статистические критерии, за которыми следует морфологическое закрытие. Для хранения результата внедряются несколько модификаций RLE (стандартная, Foreground-Only, DRLE и Z-order) с их сравнительным анализом. Научная новизна работы заключается в комплексном объединении блоковой фильтрации и морфологии с последующим сжатием бинарных сегментационных масок в задаче сегментации клеток, что позволяет существенно сократить объем хранения без значимого ущерба точности. Полученное решение демонстрирует высокие метрики (Accuracy, IoU, Dice) при существенной экономии памяти. Практическая значимость исследования состоит в том, что разработанный программный конвейер легко интегрируется в системы анализа биомедицинских данных, ускоряя массовую обработку изображений клеток и снижая требования к инфраструктуре хранения.