• 대한의용생체공학회:의공학회지
• /
• 제42권4호
• /
• pp.159-166
• /
• 2021

In order to analyze cell images, accurate segmentation of each cell is indispensable. However, the reality is that accurate cell image segmentation is not easy due to various noises, dense cells, and inconsistent shape of cells. Therefore, in this paper, we propose an algorithm that combines marker-based watershed segmentation and ellipse fitting method for glioblastoma cell segmentation. In the proposed algorithm, in order to solve the over-segmentation problem of the existing watershed method, the marker-based watershed technique is primarily performed through "seeding using local minima". In addition, as a second process, the concave point search using ellipse fitting for final segmentation based on the connection line between the concave points has been performed. To evaluate the performance of the proposed algorithm, we compared three algorithms with other algorithms along with the calculation of segmentation accuracy, and we applied the algorithm to other cell image data to check the generalization and propose a solution.

• 한국정보통신학회논문지
• /
• 제18권2호
• /
• pp.431-436
• /
• 2014

세포 분할 작업은 세포 이미지의 배경으로부터 세포 영역을 추출하는 작업으로 배양과정에 있는 살아있는 세포를 이미지화하여 분석하는 바이오 이미징 분야에서 기초적인 작업들 중 하나이다. 선명한 이미지의 경우 바이모덜 히스토그램 분포를 가지므로 Otsu와 같은 전역임계값 알고리즘을 이용하여 쉽게 세포분할 작업을 수행할 수 있지만 희미한 이미지의 경우는 정확한 세포 분할을 하기가 어렵다. 본 논문에서는 입력된 세포이미지의 히스토그램을 분석하여 히스토그램 분포에 따라 분류한 후 바이모덜 분포를 가지는 이미지의 경우 전역임계값 알고리즘을 적용하고 유니모덜 분포를 가지는 이미지의 경우 영역을 분할하여 부분 영역별로 다른 임계값을 적용하는 새포 분할 시스템을 개발하였다. 실험결과 제안한 시스템은 바이모덜 분포를 가지는 세포이미지 뿐만 아니라 유니모덜 분포를 가지는 세포 이미지에 대해서도 정확한 세포 분할 작업을 수행하였다.

• 한국멀티미디어학회논문지
• /
• 제22권3호
• /
• pp.335-348
• /
• 2019

Cell segmentation and counting represent one of the most important tasks required in order to provide an exhaustive understanding of biological images. Conventional features suffer the lack of spatial consistency by causing the joining of the cells and, thus, complicating the cell counting task. We propose, in this work, a cascade of networks that take as inputs different versions of the original image. After constructing a Gaussian pyramid representation of the microscopy data, the inputs of different size and spatial resolution are given to a cascade of deep convolutional autoencoders whose task is to reconstruct the segmentation mask. The coarse masks obtained from the different networks are summed up in order to provide the final mask. The principal and main contribution of this work is to propose a novel method for the cell counting. Unlike the majority of the methods that use the obtained segmentation mask as the prior information for counting, we propose to utilize the hidden latent representations, often called the high-level features, as the inputs of a neural network based regressor. While the segmentation part of our method performs as good as the conventional deep learning methods, the proposed cell counting approach outperforms the state-of-the-art methods.

• 한국멀티미디어학회논문지
• /
• 제24권10호
• /
• pp.1326-1335
• /
• 2021

As part of the cell division method, we proposed a method for segmenting images generated by topography microscopes through deep learning-based feature generation and graph segmentation. Hybrid vector shapes preserve the overall shape and boundary information of cells, so most cell shapes can be captured without any post-processing burden. NIH-3T3 and Hela-S3 cells have satisfactory results in cell description preservation. Compared to other deep learning methods, the proposed cell image segmentation method does not require postprocessing. It is also effective in preserving the overall morphology of cells and has shown better results in terms of cell boundary preservation.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -1
• /
• pp.670-673
• /
• 2002

This paper proposes a digital algorithm for gray-scale/color image segmentation of real-time video signals and a cell-network-based implementation architecture in state-of-the-art CMOS technology. Through extrapolation of design and simulation results we predict that about 300$\times$300 pixels can be integrated on a chip at 100nm CMOS technology, realizing very high-speed segmentation at about 1600sec per color image. Consequently real-time color-video segmentation will become possible in near future.

• 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 2012년도 추계학술대회
• /
• pp.874-877
• /
• 2012

This paper proposes the new method based on contour following method with directional angle to segment the cell into the nuclei. The object image was the Thyroid Gland cell image that was diagnosed as normal and abnormal(two types of abnormal : follicular neoplastic cell, and papillary neoplastic cell), respectively. The nuclei were successfully diagnosed as normal and abnormal. this paper, improved method of digital image analysis required in basic medical science for diagnosis of cells was proposed. The object image was the Thyroid Gland cell image with difference of chromatin patterns. To segment the cell nucleus from background, the region segmentation algorithm by edge tracing was proposed. And feature parameter was obtained from discrete Fourier transformation of image. After construct a feature sample group of each cells, experiment of discrimination was executed with any verification cells. As a result of experiment using features proposed in this paper, get a better segmentation rate(70-90%) than previously reported papers, and this method give shape to get objectivity and fixed quantity in diagnosis of cells. The methods described in this paper be used immediately for discrimination of neoplastic cells.

• 한국콘텐츠학회논문지
• /
• 제10권4호
• /
• pp.19-27
• /
• 2010

최근에 고속 genome-wide RNA 간섭 스크리닝 기술은 복잡한 세포 기능을 이해하는 생명공학 연구의 핵심적인 도구로 자리 잡고 있다. 그러나 관련 연구에서 발생되는 수많은 영상을 수작업을 통해 분석하는 것은 많은 시간과 노력이 요구된다. 따라서 세포영상의 자동분석 기술은 매우 시급히 확보되어야 하는 기술이며, 그 중 영상 분할은 자동분석을 위한 첫 단계로서 가장 중요한 과정이라 할 수 있다. 세포영상의 자동분할에서는 영역의 겹침 현상과 영역별 모양의 다양성 및 영상 특성의 불균일성 등이 정확한 세포 분할을 어렵게 만드는 주원인으로 작용한다. 본 논문에서는 이러한 문제점을 극복하기 위해 영상 특징들의 국부적인 연속성과 특징 벡터 기반의 워터쉐드 알고리즘을 적용한 새로운 자동 세포 분할 알고리즘을 제안한다. 영상 특징들의 연속성을 국부적인 영역으로 제한함으로써 영역별 모양의 다양성 및 영상 특성의 불균일성에 따른 문제점을 극복할 수 있으며, 특징벡터의 사용을 통해 하나의 영상특징만을 고려한 경우 발생되는 겹침 영역에서의 분할 성능 저하를 개선할 수 있다. 세포영상 분석을 위한 소프트웨어 패키지인 Cellprofiler와의 비교/분석 실험을 통해 제안 알고리즘의 효율성을 입증하였다.

• 정보처리학회논문지B
• /
• 제14B권2호
• /
• pp.99-106
• /
• 2007

본 논문에서는 적응적 관심영역(AAW: Adaptive Attention Window)에 기반한 세포영상 분할 기법을 제안한다. 적응적 관심영역은 분할하기 위해, 명암지도를 이용하여 초기 관심윈도우(IAW: Initial AW)를 생성한다. 생성된 초기 관심윈도우는 쿼드-트리 분할을 이용하여 실제의 관심영역(ROI: Region of Interest)과 유사한 크기가 될 때까지 축소된다. 이렇게 생성된 적응적 관심윈도우는 세포 영상에서 배경을 제거하고 관심영역 추출의 처리 시간을 줄이기 위해서 사용된다. 마지막으로 적응적 관심영역 안에서 영역을 분할하고, 관심영역만을 분리하기 위한 영역 병합과 제거를 수행한다. 실험에서 제안된 기법은 세포영상의 관심영역을 효과적으로 분리하여 인간 시각과 유사한 향상된 영상 분할 결과를 보여준다.

• 한국멀티미디어학회논문지
• /
• 제24권8호
• /
• pp.1000-1011
• /
• 2021

In recent years, using Deep Learning methods to apply for medical and biomedical image analysis has seen many advancements. In clinical, using Deep Learning-based approaches for cancer image analysis is one of the key applications for cancer detection and treatment. However, the scarcity and shortage of labeling images make the task of cancer detection and analysis difficult to reach high accuracy. In 2015, the Unet model was introduced and gained much attention from researchers in the field. The success of Unet model is the ability to produce high accuracy with very few input images. Since the development of Unet, there are many variants and modifications of Unet related architecture. This paper proposes a new approach of using Unet++ with pretrained EfficientNet as backbone architecture for breast tumor cell nuclei segmentation and uses the multi-organ transfer learning approach to segment nuclei of breast tumor cells. We attempt to experiment and evaluate the performance of the network on the MonuSeg training dataset and Triple Negative Breast Cancer (TNBC) testing dataset, both are Hematoxylin and Eosin (H & E)-stained images. The results have shown that EfficientUnet++ architecture and the multi-organ transfer learning approach had outperformed other techniques and produced notable accuracy for breast tumor cell nuclei segmentation.