• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2006.05a
• /
• pp.335-339
• /
• 2006

자궁 경부 세포진 영상의 핵 영역 분할은 자궁 경부암 자동화 검색 시스템의 가장 어렵고도 중요한 분야로 알려져 있다. 자궁 경부 세포진 영상은 배경과 세포의 영역이 확실히 구분되지 않는 경우가 많기 때문에 이들을 확실히 구분하는 것이 매우 중요하다. 본 논문에서는 이러한 문제점을 해결하기 위해 자궁 경부 세포진 영상에서 Region growing 기법을 적용하여 세포 영상을 분할한다. Region growing 기법은 화소간의 유사도를 측정하여 영역을 확장하여 분할하는 방법이다. 세포와 배경이 분할된 영상을 일정 임계값을 이용하여 영상을 이진화 한 후, 8방향 윤곽선 추적 알고리즘을 이용해 세포 영역을 추출한다. 추출된 세포 영역을 원 영상인 RGB 컬러로 변환한 후에 K-means 알고리즘을 적용하여 각 세포 영역의 RGB 화소를 R, G, B 채널로 각각 분리하여 클러스터링한다. 클러스터링된 각각의 R, G, B 채널의 클러스터 값을 이용하여 HSI 모델로 변환시킨 후에 세포핵 영역의 Hue 정보를 추출한다. 추출된 세포핵의 특징을 오류 역전파 알고리즘을 적용하여 정상 세포와 비정상 세포를 분류하고 인식한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.10 no.6
• /
• pp.1153-1158
• /
• 2006

The classification of the background and cell areas is very important research area because of the ambiguous boundary. In this paper, the region of cell is extracted from an image of uterine cervical cytodiagnosis using the region growing method that increases the region of interest based on similarity between pixels. Segmented image from background and cell areas is binarized using a threshold value. And then 8-directional tracking algorithm for contour lines is applied to extract the cell area. First, the extracted nucleus is transformed to RGB color that is the original image. Second, the K-means clustering algorithm is employed to classify RGB pixels to the R, G, and B channels, respectively. Third, the Hue information of nucleus is extracted from the HSI models that is the transformation of the clustering values in R, G, and B channels. The backpropagation algorithm is employed to classify and identify the normal or abnormal nucleus.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.435-437
• /
• 1998

영상에 대한 영역분할은 영상에 대한 인식 시스템에서 가장 중요하고도 어려운 분야로 알려져 있다. 주로 사용되는 방법은 화소중심기법과 영역중심기법이 사용되는데, 화소중심기법은 적은 시간이 걸리는데 비해 영역분할 효과가 떨어지고, 영역중심기법은 상대적으로 양질의 영역분할 효과를 얻을 수 있지만 많은 시간이 걸린다. 본 논문에서는 영역분할에 대한 방법으로 thresholding방법을 이용한 2단계로 이루어진 영역분할 방법을 제안한다. 제안된 방법은 화소의 전역정보와 지역정보를 모두 사용하여 기존의 전역 thresholding방법에 비해 향상된 영역 분할을 수행하고, 지역정보를 이용하는 영역중심 기법에 비해 시간을 단축하는 효과를 가지고 있다. 첫 번째 단계에서는 기존에 알려진 전역 thresholding방법을 사용하여 영역분할을 하고, 두 번째 단계에서는 영상에 대해 미리 알려진 사전지식을 이용하여 영역분할이 제대로 되지 않은 영역을 구분하여 해당 영역에 대해서만 thresholding작업을 수행한다. 사용된 영상은 자궁경부 세포진 영상으로 대상이 되는 영역은 자궁경부 세포의 핵으로 제한하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.2
• /
• pp.403-407
• /
• 2005

자궁 경부 세포진 영상의 핵 영역 분할은 자궁 경부암 자동화 검색 시스템의 가장 어렵고도 중요한 분야로 알려져 있다. 본 논문에서는 자궁 경부 세포진 영상에서 HSI 모델을 이용하여 세포진 핵 영역을 추출한다. 추출된 세포진 핵 영역은 형태학적 정보(morphometric feature)와 명암 정보(densitometric feature), 색상 정보(colorimetric feature), 질감 정보(textural features)를 분석하여 핵의 특징을 추출한다. 또한 Bethesda System에서의 분류 기준에 따라 핵의 분류 기준을 정하고 추출된 핵의 특징들을 퍼지 c-Means 클러스터링 알고리즘에 적용하여 실험한 결과, 제안된 방법이 자궁 세포진 핵 추출과 인식에 있어서 효율적임을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.445-447
• /
• 2001

본 논문에서는 세포 영상에 대해 Wavelet 계수을 이용한 인식 방법을 제안하고 있다. 자궁 경부세포진은 핵과 세포질을 분할하기 힘들기 때문에 영역분할을 통해 얻은 핵특징이 잘못 계산될 수 있어 인식율이 떨어진다. 따라서 핵의 세포만을 나타낼 수 있도록 핵의 정보를 포함하고 있는 고대역 부밴드에서는 20$\times$20 영상을 사용하였고, 세포질에 정보를 포함하고 있는 저대역 부밴드에서는 50$\times$50의 영상을 사용하였다. 영상 인식을 위한 특징 추출은 2단계 Wavelet 변환후 생성된 변환 영역에 대해서 Wavelet 계수 평균값 표준편차와 Energy를 사용하였다. 실험 결과 Wavelet 계수를 이용한 방법이 영역분할을 이용한 방법과 비교하여 더 높은 인식율 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.533-535
• /
• 1999

자궁경부진 세포인식 시스템에 있어서 가장 중요한 것이 영상처리를 이용하여 세포핵과 세포질을 추출하여 세포의 형태적인 정보를 알아내는 과정이다. 기존의 전역 thresholding 기법이나 region growing의 경우는 pap smear 검사를 통해 얻어진 세포 영상을 분할할 수 있는 region growing 기법을 제안한다. 제안된 region growing 기법은 초기에 seed를 검출할 때 local threshold growing 기법을 제안한다. 제안된 region growing 기법은 초기에 seed를 검출할 때 local threshold 개념을 도입하여 seed의 검출을 고르게 하고, 2가지 확장 조건을 사용하여 영역을 확장한다. 첫 번째 확장 조건은 비정상 세포나 artifact가 많아서 어둡게 나타나는 영상이나 세포질과 배경의 경계가 뚜렷하지 않아서 세포질의 구별이 어려운 영상의 영역 분할이 가능하도록 그 특성을 반영하고, 두 번째 조건은 세포가 흡수하는 빛의 양이 일정하다는 가정으로 영상에서의 지역 특성(gray level, color 등을 반영한다. 제안된 기법은 정상세포 영상뿐만 아니라 비정상 세포 영상에 대하여 over-segment나 under-segment하는 경우를 줄여서 영역 분할에 좋은 결과를 보인다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.11 no.10
• /
• pp.1992-1998
• /
• 2007

It is important to obtain conn cytodiagnosis to classify background, cytoplasm, and nucleus from the diagnostic image. This study mose an algorithm that detects and classifies carcinoma cells of the uterine cervix in Pap smear using features of cervical cancer. It applies Median filter and Gaussian filter to get noise-removed nucleus area and also applies Kapur method in binarization of the resultant image. We apply 8-directional contour tracking algorithm and stretching technique to identify and revise clustered cells that often hinder to obtain correct analysis. The resulted nucleus area has distinguishable features such as cell size, integration rate, and directional coefficient from normal cells so that we can detect and classify carcinoma cells successfully. The experiment results show that the performance of the algorithm is competitive with human expert.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.5
• /
• pp.519-524
• /
• 2006

Segmentation for the region of nucleus in the image of uterine cervical cytodiagnosis is known as the most difficult and important part in the automatic cervical cancer recognition system. In this paper, the region of nucleus is extracted from an image of uterine cervical cytodiagnosis using the fuzzy grey morphology operation. The characteristics of the nucleus are extracted from the analysis of morphemetric features, densitometric features, colormetric features, and textural features based on the detected region of nucleus area. The classification criterion of a nucleus is defined according to the standard categories of the Bethesda system. The enhanced fuzzy ART algorithm is used to the extracted nucleus and the results show that the proposed method is efficient in nucleus recognition and uterine cervical Pap-Smears extraction.

• Journal of Biomedical Engineering Research
• /
• v.22 no.3
• /
• pp.231-239
• /
• 2001

This paper proposes a region segmenting method for the Pap-smear image. The proposed method uses a pixel classifier based on neural network, which consists of four stages : preprocessing, feature extraction, region segmentation and postprocessing. In the preprocessing stage, brightness value is normalized by histogram stretching. In the feature extraction stage, total 36 features are extracted from $3{\times}3$ or $5{\times}5$ window. In the region segmentation stage, each pixel which is associated with 36 features, is classified into 3 groups : nucleus, cytoplasm and background. The backpropagation network is used for classification. In the postprocessing stage, the pixel, which have been rejected by the above classifier, are re-classified by the relaxation algorithm. It has been shown experimentally that the proposed method finds the nucleus region accurately and it can find the cytoplasm region too.

• Korea Multimedia Society
• /
• v.12 no.2
• /
• pp.10-15
• /
• 2008