Tecniche di Image Processing per il rilevamento di bordi e nuclei di cellule per l'analisi di video di Immunofluorescenza.

L'open science e la riproducibilità sono due pilastri fondamentali della ricerca scientifica moderna e sono tra di loro interconnessi; infatti le pratiche di open science, come la condivisione di dati grezzi, metodologie dettagliate e codice, facilitano notevolmente la riproducibilità della ricerca. In questo contesto, negli ultimi anni, gli approcci computazionali (per esempio Image Processing, Intelligenze Artificiali) hanno guadagnato sempre più spazio tra i biologi come metodologia di ricerca parallela e complementare ai tradizionali esperimenti in laboratorio. Per assistere i biologi cellulari e gli immunologi e promuovere una pratica di ricerca più trasparente, aperta e riproducibile, la mia tesi propone la sostituzione di un procedimento manuale del rilevamento dei bordi e dei nuclei delle cellule dipendente dal dato in analisi, con un procedimento automatico e riproducibile per lo studio di analisi Live Immunofluorescence. In questo contesto mi sono concentrato sul creare un'applicazione dockerizzata che sfrutta gli algoritmi conosciuti in letteratura di Image Processing ottenendo un buon risultato sull'identificazione di bordi e nuclei di cellule in video di Immunofluorescenza.