Die Überwachung von Zellkulturen ist ein wesentlicher klinischer Prozess, bei dem kultivierte Zellen untersucht und überwacht werden, um wichtige Rückschlüsse auf Gesundheit und Wohlbefinden zu ziehen. Die bisherige Vorgehensweise bei diesem Prozess erfordert ein erhebliches menschliches Eingreifen, was zu Zellschäden und daraus resultierenden Fehlern bei den abgeleiteten Ergebnissen führen kann.
In diesem Fall ist eine kontinuierliche Überwachung der Zellen über einen bestimmten Zeitraum hinweg nicht möglich, und es ist für das klinische Personal sehr schwierig, die Anzahl der Zellproben zu sammeln und sie in einer sicheren Umgebung zu kultivieren.
In der vorliegenden Arbeit wird eine Lösung für eine effiziente nicht-invasive Anwendung zur Beobachtung von Zellkolonien vorgeschlagen. Sie umfasst die Segmentierung von Zellkolonien und die Erkennung ihres Verhaltens (d. h. einer gesunden oder ungesunden Zellkolonie) anhand einer Reihe von Zeitreihenvideos. Die Lösung wird auch die Leistung des Bedieners bei der Analyse der Zellqualität erhöhen und dazu beitragen, die Zellverschwendung zu minimieren, indem Computer Vision und KI-gesteuerte Mustererkennungsalgorithmen kombiniert werden, um die Betriebszeit zu verkürzen.