• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권6호
• /
• pp.267-272
• /
• 2016

생물정보학분야에서 현미경을 통해 얻은 세포 영상은 생물학적 정보를 얻기 위한 중요한 지표이다. 연구자들은 영상을 육안으로 분석하기 때문에 분석에 많은 시간과 고도의 집중력이 요구된다. 게다가 연구자의 주관적 관점이 분석에 개입되어 결과를 객관적으로 정량화하는데 어려움이 있다. 따라서 본 연구에서는 OpenCV 라이브러리를 이용하여 세포의 자동 분석을 위한 HCS(High Content Screen) 알고리즘을 개발하였다. HCS 알고리즘은 이미지 전처리 과정, 세포 계수, 세포 주기와 분열지수 분석 기능을 포함한다. 본 연구에서는 공초점 레이저 현미경을 통해 얻은 위암세포(MKN-28) 영상을 분석에 사용하였으며, 성능 평가를 위해 세포영상 분석 프로그램인 ImageJ와 전문 연구원의 세포 계수 분석결과를 비교하였다. 실험 결과 HCS 알고리즘의 평균 정확성이 99.7%로 나타났다.

• 한국정보통신학회논문지
• /
• 제15권11호
• /
• pp.2493-2499
• /
• 2011

나노 바이오산업의 발전과 더불어 세포 성장 과정에서 발견되는 세포의 이동, 분열, 통합, 아포토시스(apoptosis), 모양 변형, 세포들 간의 상호 작용 등을 포함하는 세포의 행동을 분석하기 위한 자동화된 시스템의 개발은 매우 중요하다. 본 연구에서는 세포 배양 과정에서 광학현미경을 통해 얻은 세포의 실시간 이미지들의 변화/변형 과정을 2D 또는 3D 분석 하기위한 전처리 방법과 세포와 클러스터(둘 이상의 세포의 결합)를 자동 식별하기 위한 방법, 시간의 흐름에 따라 변화되는 세포와 클러스터의 개수를 계수하기 위한 방법을 제시한다. 제안된 방법들은 30분 간격으로 촬영한 3T3 세포 배양 이미지들을 이용하여 실험하였으며 세포 및 클러스터를 분류하고 각각의 개수를 자동계수한 결과 평균 99.8%의 정확도를 보여 주었다.

• 대한치매학회지
• /
• 제23권3호
• /
• pp.127-135
• /
• 2024

Background and Purpose: To ensure data privacy, the development of defacing processes, which anonymize brain images by obscuring facial features, is crucial. However, the impact of these defacing methods on brain imaging analysis poses significant concern. This study aimed to evaluate the reliability of three different defacing methods in automated brain volumetry. Methods: Magnetic resonance imaging with three-dimensional T1 sequences was performed on ten patients diagnosed with subjective cognitive decline. Defacing was executed using mri_deface, BioImage Suite Web-based defacing, and Defacer. Brain volumes were measured employing the QBraVo program and FreeSurfer, assessing intraclass correlation coefficient (ICC) and the mean differences in brain volume measurements between the original and defaced images. Results: The mean age of the patients was 71.10±6.17 years, with 4 (40.0%) being male. The total intracranial volume, total brain volume, and ventricle volume exhibited high ICCs across the three defacing methods and 2 volumetry analyses. All regional brain volumes showed high ICCs with all three defacing methods. Despite variations among some brain regions, no significant mean differences in regional brain volume were observed between the original and defaced images across all regions. Conclusions: The three defacing algorithms evaluated did not significantly affect the results of image analysis for the entire brain or specific cerebral regions. These findings suggest that these algorithms can serve as robust methods for defacing in neuroimaging analysis, thereby supporting data anonymization without compromising the integrity of brain volume measurements.

• 한국의학물리학회지:의학물리
• /
• 제30권2호
• /
• pp.49-58
• /
• 2019

Purpose: Automated analytical systems have begun to emerge as a database system that enables the scanning of medical images to be performed on computers and the construction of big data. Deep-learning artificial intelligence (AI) architectures have been developed and applied to medical images, making high-precision diagnosis possible. Materials and Methods: For diagnosis, the medical images need to be labeled and standardized. After pre-processing the data and entering them into the deep-learning architecture, the final diagnosis results can be obtained quickly and accurately. To solve the problem of overfitting because of an insufficient amount of labeled data, data augmentation is performed through rotation, using left and right flips to artificially increase the amount of data. Because various deep-learning architectures have been developed and publicized over the past few years, the results of the diagnosis can be obtained by entering a medical image. Results: Classification and regression are performed by a supervised machine-learning method and clustering and generation are performed by an unsupervised machine-learning method. When the convolutional neural network (CNN) method is applied to the deep-learning layer, feature extraction can be used to classify diseases very efficiently and thus to diagnose various diseases. Conclusions: AI, using a deep-learning architecture, has expertise in medical image analysis of the nerves, retina, lungs, digital pathology, breast, heart, abdomen, and musculo-skeletal system.

• 대한기계학회논문집B
• /
• 제37권3호
• /
• pp.259-266
• /
• 2013

광학 현미경을 통해 일정한 시간 간격으로 얻은 세포 이미지로부터 세포 변화를 자동적으로 추적 및 분석하는 것이 세포 트래킹이라고 한다. 세포 변화 과정에서 이웃에 있는 세포들이 겹쳐져 있는 상태를 클러스터라고 하며 세포트래킹에서 클러스터를 다시 세포로 분리하는 작업은 매우 중요하다. 본 논문에서는 타원 근사법을 기반으로 클러스터를 분리하기 위한 알고리즘을 제안한다. 클러스터의 외곽선을 추출한 후 외곽선의 오목정점을 이용하여 클러스터를 라인 세그먼트들로 분리한 다음 휴리스틱을 이용하여 라인 세그먼트들을 결합해 가며 근사 타원을 생성한다. 실험 결과 두 개의 세포가 겹쳐진 클러스터의 경우 평균적으로 91%, 세 개의 세포가 겹쳐진 경우 평균적으로 84% 그리고 겹쳐진 세포의 개수가 네 개 이상인 경우 약 73%의 정확도로 클러스터를 분리해 주었다.

• 한국콘텐츠학회논문지
• /
• 제11권5호
• /
• pp.84-92
• /
• 2011

바이오 영상에서 세포 영역의 자동 분할 기술은 생물학자들이 복잡한 세포의 기능을 이해하는데 도움을 주고, 수작업을 통해 세포를 분석하던 일들을 자동적으로 처리해주는 매우 중요한 기술이다. 기존의 멀티채널 영상으로부터 세포핵 및 세포를 분할하는 방법은 DNA 채널을 이용하여 세포핵을 검출하고, 이를 초기 윤곽으로 하여 Actin 채널에서 밝기 기반의 Active Contour 모델을 통해 세포를 분할하는 2 단계의 과정을 거친다. 그러나 세포 분할 과정에서 채널 간 상관성으로 인해 발생하는 세포 내 불균일한 밝기 문제를 고려하지 않은 채, 밝기 기반의 Active Contour 모델을 적용하여 분할의 성능이 저하되는 문제점이 발생한다. 따라서 본 논문에서는 DNA 와 Actin 채널 간 상관성을 고려하여, DNA 채널 정보를 통해 Actin 채널 내부의 밝기를 균일하게 보정함으로써 밝기 기반의 Active Contour 모델이 세포 분할에 잘 적용 될 수 있는 전처리 알고리즘을 제안한다. 실험을 통해 제안 전처리 과정을 거친 세포 분할 방법의 성능이 기존 방법에 비해 객관적, 주관적으로 크게 향상됨을 증명한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.41-43
• /
• 2022

최근 코로나-19의 유행에 따른 전염병 예방 및 차단을 위해 비접촉 생체 정보 취득 및 분석 기술이 주목을 받고 있다. 습식 및 부착형 생체정보 취득 방법은 정확하게 생체정보를 측정 할 수 있는 장점이 있지 만 밀 접촉에 따른 전염이 높아지는 위험성을 내포하고 있다. 이러한 문제점을 해결하기 위해 사람의 지문, 얼굴, 홍채, 정맥, 음성, 서명 등의 생체 정보를 자동화된 장치로 추출하는 비접촉 방식은 빅데이터와 AI 기술 적용으로 데이터 처리 속도가 빨라지고 인식 정확도가 높아지면서 다양한 산업에서 활용이 증가하고 있다. 그러나, 비접촉식 생체 데이터 취득 기술의 정확도가 개선되었지만, 비접촉 방법은 측정 대상 객체를 둘러싸고 있는 외부 온도, 습도, 조도 등의 주위 환경에 많은 영향을 받아 측정정보가 왜곡되는 현상이 발생하고 또한 정확도가 떨어지는 단점이 있다. 본 논문에서는 생체정보 분석을 위한 개인화 정보(이미지, 신호 등)의 해석을 위한 맥락기반 생체신호 모델링 기법을 제안 한다. 맥락기반 생체정보 모델링 기법은 성능 개선을 위해 생체정보 측정의 정황 정보와 사용자 정보를 복합적으로 고려하는 모델을 제시한다. 제안 모델은 예측 값 확률을 최대화할 수 있는 맥락기반 신호 해석을 통한 특징 확률분포를 기반으로 신호 정보를 분석한다.