ردیابی سلول‌های در حال حرکت در گذر زمان یکی از مهم‌ترین ابزارهای مطالعه برای درک سازکار‌های توسعه‌ای در ارگانیسم‌های زنده می‌باشد و اساس بسیاری از پژوهش‌های زیست‌پزشکی است. از تصاویر گذر-زمانی با توجه به نرخ پایین فریمشان، برای مشاهده رویدادهای مربوط به سلول‌ها که سرعت کمی دارند استفاده می‌شود، این رویدادها عبارتند از: تکثیر، مهاجرت، تقسیم سلولی و مرگ سلول. برای استخراج اطلاعات زیستی و مشاهده رفتار سلول‌ها در تصاویر میکروسکوپ گذر-زمانی، اغلب لازم است که تک‌تک سلول‌ها را شناسایی کرده و آن‌ها را در طول زمان ردیابی کنیم که شامل سه زیر وظیفه ترسیم دقیق مرزهای سلول، تشخیص تقسیم سلولی و ردیابی سلول در طول زمان است، اما استخراج این اطلاعات توسط کاربر و بصورت دستی بسیار پرهزینه و مستعد خطا می‌باشد. به تازگی، ظهور فناوری‌های جدید تصویربرداری محققین زیست‌پزشکی را با مجموعه داده‌های چند بعدی و بزرگ به منظور توسعه بافت‌ها، اندام‌ها یا موجودات کامل به چالش کشیده است. با این حال، عملیاتهای کلیدی همان‌ها هستند : قطعه‌بندی، تشخیص تقسیم سلولی و ردیابی سلول در فریم‌های متوالی و این رساله برای هر سه وظیفه راه‌حل جدیدی ارائه می‌کند. برای قطعه‌بندی تصایر سلولی یک لایه قابل یادگیری جدید با نام MaxSigLayer توسعه داده و یک معماری جدید به نام MaxSigNet بر اساس آن معرفی شد. این معماری ترکیبی از لایه‌های کانولوشن معمول و گسترده به همراه لایه‌های MaxSigLayer و یک نقشه لبه جدید را استفاده می‌کند. آزمایشات روی مجموعه‌داده‌های مختلف سلولی کارایی، استحکام، تعمیم‌پذیری و هزینه محاسباتی بهتر آن را تایید کردند. در ادامه برای تشخیص رویداد تقسیم سلولی یک الگوریتم جدید غیرنظارتی با استفاده از خواص ریاضی منحنی کاسینی ارائه شد. ایده پیشنهادی این است که اگر یک سلول در فریم جاری روی حالت تک‌حلقه منحنی کاسینی منطبق شود و بلافاصله در فریم بعدی و در همان ناحیه دو سلول باشند که روی حالت دوحلقه‌ای منحنی کاسینی منطبق شوند نتیجه می‌گیریم تقسیم سلولی رخ داده است. روش پیشنهادی دارای عملکرد نزدیک به 100% در چند دنباله سلولی است. علاوه بر مزیت غیرنظارتی بودن این راه‌حل، نتایج گزارش شده کارایی و استحکام روش پیشنهادی در برابر نتایج قطعه‌بندی ناقص را نشان می‌دهند. در نهایت برای ردیابی سلول‌ها در فریم‌های متوالی نیاز به یک روش شناسایی سلول‌های کاندید می‌باشد. در این رساله برای این کار از روش تطبیق قالب محدود شده استفاده شد. در این روش با توجه به میزان جابجایی احتمالی هر سلول عمل تطبیق قالب در یک ناحیه محدود از فریم بعدی انجام می‌گیرد. محدود کردن ناحیه جستجو برای سلول کاندید باعث کاهش نرخ مسیرهای اشتباه و افزایش سرعت الگوریتم مسیریابی می‌شود. ردیاب پیشنهادی روی دو دنباله سلولی چالشی دارای عملکرد 96% و 95% در ردیابی است و در معیارهای ترکیبی قطعه‌بندی و ردیابی بهبود 5 درصدی را نشان داد. بر اساس آزمایشات با افزایش دقت قطعه‌بندی و تشخیص تقسیم سلولی، عملکرد کلی الگوریتم ردیابی سلول هم افزایش می‌یابد.
