Segmentation of Immunohistochemical Breast Carcinoma Images Using ML Classification

ML분류를 사용한 유방암 항체 조직 영상분할

In this paper we are attempted to quantitative classification of the three object color regions on a RGB image using of an improved ML(Maximum Likelihood) classification method. A RGB color image consists of three bands i.e., red, green and blue. Therefore it has a 3 dimensional structure in view of the spectral and spatial elements. The 3D structural yokels were projected in RGB cube wherefrom the ML method applied. Between the conventionally and easily usable Box classification and the statistical ML classification based on Bayesian decision theory, we compared and reviewed. Using the ML method we obtained a good segmentation result to classify positive cell nucleus, negative cell Nucleus and background un a immuno-histological breast carcinoma image. Hopefully it is available to diagnosis and prognosis for cancer patients.

본 연구에서는 RGB칼라영상에서 세 칼라 객체의 색상에 따라 정량적으로 분류하기 위하여 ML(Maximum Likelihood) 분류법 을 개선 시도하여 보았다. RGB 칼라 영상이라 하면 빨강, 초록, 파랑의 세 밴드로 이루어진다. 스펙트룸과 공간상의 요소를 고려한다면 3차원적인 구조를 갖게 된다. 이러한 3차원 구조의 voxel를 RGB cube에 투사하여 이로부터 ML분류법의 개선 방법론을 적용하여 보았다. 전례적으로 쉽게 사용되어지는 Box 분류법과 비교 검토하여 보았으며 Bayesian decision 이론을 기반으로한 통계학적인 ML 분류법을 사용하였다. 유방암 항체조직영상에 이 방법론을 응용하며 양성 세포핵 음성 세포핵 그리고 배경을 분류하는데 좋은 결과를 얻어 임상에서 유방암 환자의 예후 및 진단에 사용할 수 있도록 연구하였다.