ردیابی سلولها در طول زمان یکی از موثرترین انواع مطالعه برای درک سـازوکارهـای رشـد، تـرمیم بافـت و درمـان بیمـاری در موجودات زنده است. هدف از این تحقیق ارائه روشی جدید باکمک یادگیری ماشینی برای ردیـابی سـلولهـا بـه شـکل خودکـار در تصـاویر میکروسـکوپیگـذر-زمـانی اسـت. بـا توجـه بـه پیشـرفتهای چشـمگیر در فنـاوری میکروسـکوپ در سـالهای اخیـر، از میکروسکوپگذر-زمانی معمولاً برای مطالعه سلولهای درون اندامها استفاده میشودکه امکان تجزیه و تحلیل مسـتقیم رفتارهـای سلولی را فراهم میکند.در این روش برای ردیابی سلولها، پس از قطعهبنـدی تصـاویر بـا یـادگیری عمیـق، عمـل تشـخیص رویـداد تقسیم سلولی با منحنیکاسـینی و عمـل پیگـرد سـلولها در فریمهـای متـوالی بـا روش تطبیـق قالـب محـدود شـده انجـام میشـود. عملکـرد ردیـاب پیشـنهادی توسـط معیـار TRAکـه یـک معیـار اسـتاندارد بـرای ارزیـابی الگوریتمهـای ردیـابی سـلولها اسـت، اندازهگیری شد. ردیاب پیشـنهادی روی دو مجموعـه داده HeLa-DH2C-DIC و +SIM-DH2N-Fluo دارای عملکـرد %۹۶ و %۹۵ در ردیابی است و در معیارهای ترکیبی قطعهبندی و ردیابی بهبـود ۵ درصـدی را نشـان داد. بـر اسـاس آزمایشـات بـا افـزایش دقت قطعهبندی و تشخیص تقسیم سلولی، عملکردکلی الگوریتم ردیابی سلول هم افزایش مییابد.
