Cell culture is a fundamental procedure in many laboratories and precedes much research performed under the microscope. Despite the significance of this procedural stage, the monitoring of cells throughout growth is impossible due to the absence of equipment and methodological approaches. This thesis presents a low-cost, power-effective and versatile microscope with small enough dimensions to operate inside an incubator. Besides image acquisition, the microscope comprises other functions such as a data pipeline, implemented to save the images on the user’s computer via a server whilst also offering storage of the images on an integrated micro SD-card. Furthermore, a machine learning algorithm with a human-in-the-loop approach has been trained to segment the acquired images for cell proliferation and cell apoptosis tracking, and yielded promising results with an accuracy of 94%. For comparison, conventional segmentation techniques using operations such as the watershed function were deployed.The microscope described is versatile in operation as it offers the user to utilise one or more functions, depending on the purpose of the imaging. / Cellodling är en grundläggande process i många laboratiorium och föregår forskning som utförs under mikroskop. Trots inkubationens betydelse har övervakning av celler i detta skede inte varit möjlig på grund utav avsaknaden av relevant utrustning och metodologiska tillvägagångsätt. I denna examensuppsatts på avancerad nivå presenteras ett lågkostnads-, energieffektivt och versatilt mikroskop av centimeterstora dimensioner anpassat för användning i en inkubator. Förutom bildtagningsmekanismer erbjuder mikroskopet olika funktioner som till exempel ett integrerat dataflöde som möjliggör sparande av bilder på användarens dator via en server samtidigt som den erbjuder sparande av bilder på ett integrerat minneskort.Utöver detta har en human-in-the-loop maskininlärningsalgoritm för segmentation av celler implementerats i syfte att övervaka cellernas celldelning och celldöd. Denna algoritm påvisade goda resultat med en nogrannhet på 94%. I jämförelsesyfte har även en traditionell watershed-baserad cellsegmenteringsteknik utvecklats.Mikroskopet kan kallas versatilt då det tillåter användaren att anpassa dataflödet och välja vilka funktioner denne vill nyttja, allt utefter bildtagningens ändamål.