• International Journal of Computer Science & Network Security
• /
• 제22권3호
• /
• pp.273-275
• /
• 2022

Deep Learning is used nowadays in Nuclei segmentation. While recent developments in theory and open-source software have made these tools easier to implement, expert knowledge is still required to choose the exemplary model architecture and training setup. We compare two popular segmentation frameworks, U-Net and Mask-RCNN, in the nuclei segmentation task and find that they have different strengths and failures. we compared both models aiming for the best nuclei segmentation performance. Experimental Results of Nuclei Medical Images Segmentation using U-NET algorithm Outperform Mask R-CNN Algorithm.

• 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.

• 정보처리학회논문지B
• /
• 제16B권2호
• /
• pp.131-140
• /
• 2009

본 논문에서는 입력된 FISH 세포영상을 군집세포영역과 독립세포영역으로 분류하고, 군집세포영역에 대해서는 하나의 세포를 분리하는 알고리즘을 제안한다. 먼저 입력된 영상에 대해서 가우시안혼합모델과 세포의 명암도 값에 대한 최대 우도 함수를 사용하여 세포영역과 배경영역을 분할해줄 임계값을 정의하게 된다. 이렇게 얻어진 전경세포영역에 대해서 보다 정확한 세포 분석을 위해서 군집세포와 독립세포를 분류하게 된다. 세포 영역의 분류과정을 위해서는 베이지안 네트워크와 확률밀도함수를 사용한다. 학습데이터로부터 밀집도(compactness), 평활도(smoothness), 후-모멘트(Hu-moment)에 대한 형태학적 특징값을 추출하여 확률밀도함수를 구성하고, 이를 기반으로 베이지안 네트워크를 사용하여 두 영역을 분류하게 된다. 군집세포로 분류된 영역에 대해서는 그 군집세포를 구성하고 있는 독립세포로 각각 분리한다. 먼저, 명암도 기울기 변환(intensity gradient transform) 영상과 워터쉐드 알고리즘을 이용하여 군집세포 영역을 작은 영역으로 분할하게 된다. 작게 분할된 영역을 하나의 세포영역으로 병합시키기 위해서, 군집세포에 존재하는 독립세포의 수만큼의 마커를 결정 침식 연산을 사용하여 추출하고, 추출된 마커를 중심으로 단계적 병합 알고리즘을 제안한다. 본 논문에서 제안한 방법은 166개의 FISH 세포를 사용하여 테스트한 결과 99.29%의 정확한 분리결과를 보여줬으며 기존의 다른 알고리즘보다도 뛰어난 성능과 빠른 실행시간을 보여주었다.

• 한국음향학회지
• /
• 제19권5호
• /
• pp.13-19
• /
• 2000

음성신호의 음소경계 추출방법 중 음소에 대한 사전지식 없이 음성 데이타, 혹은 특징벡터의 변화를 감지하여 음소경계를 추출해 내는 맹목 세그먼테이션은 연속음형 인식시스템이나 코퍼스 제작에 중요한 역할을 하며 많은 연구가 진행되어 왔다. 이러한 맹목 세그먼테이션 방법은 사전지식을 필요로 하지 않아 비교적 쉽게 접근할 수 있으나 음운학적인 지식, 또는 음소나 음소경계에 대한 지식과 경험 데이타 등을 이용하는 지식 기반 세그먼테이션 방법에 비해 성능이 좋지 못한 단점이 있다. 본고에서는 우리말의 연속 음성을 맹목 세그먼테이션해서 후보 경계를 추출한 다음, 음절핵의 위치정보를 이용하여 후보 경계를 후처리함으로써 세그먼테이션 효율을 높이는 방법을 제안한다. 제안하는 방법의 전처리과정에서는 확률적인 거리 모델을 이용한 클러스터링 방법을 이용하였으며, 후처리과정에서는 음절의 핵 사이에 위치할 수 있는 음소의 수는 제한된다는 선험적인 지식을 이용하였다. 실험결과, 제안하는 방법을 이용했을 때의 삽입오류는 맹목 세그먼테이션에 비해 약 25% 감소하였다.

• 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.

• 한국멀티미디어학회논문지
• /
• 제3권5호
• /
• pp.470-478
• /
• 2000

컬러 영상들은 응용 분야별로 독특한 특성을 가지고 있다. 따라서 실용적인 영상 분할 시스템을 구축하기 위해서는 특정 영상에 독립적인 방법을 개발할 필요가 있다. 본 논문에서는 분산 유전자 알고리즘을 이용한 컬러 유방암조직 영상의 분할 방법을 제안한다. 컬러 유방암조직영상에서 양성 세포핵과 음성 세포핵을 분할하기 위해서, 컬러 정보를 효과적으로 반영하는 개선된 평가함수 및 유전연산 기반의 분산 유전자 알고리즘을 이용한다. 또한 성능 향상을 위하여 영상에서의 대표색을 추출하여 초기치로 활용한다. 유효성을 입증하기 위한 실험에서 안정된 분할 결과를 보였으며 이는 제안한 방법이 제한된 컬러를 가진 제한된 개체를 분할할 때 실용화 할 수 있음을 제시한다.

• Applied Microscopy
• /
• 제51권
• /
• pp.4.1-4.12
• /
• 2021

Fluorescence in situ hybridization (FISH) is a technique to visualize specific DNA/RNA sequences within the cell nuclei and provide the presence, location and structural integrity of genes on chromosomes. A confocal Whole Slide Imaging (WSI) scanner technology has superior depth resolution compared to wide-field fluorescence imaging. Confocal WSI has the ability to perform serial optical sections with specimen imaging, which is critical for 3D tissue reconstruction for volumetric spatial analysis. The standard clinical manual scoring for FISH is labor-intensive, time-consuming and subjective. Application of multi-gene FISH analysis alongside 3D imaging, significantly increase the level of complexity required for an accurate 3D analysis. Therefore, the purpose of this study is to establish automated 3D FISH scoring for z-stack images from confocal WSI scanner. The algorithm and the application we developed, SHIMARIS PAFQ, successfully employs 3D calculations for clear individual cell nuclei segmentation, gene signals detection and distribution of break-apart probes signal patterns, including standard break-apart, and variant patterns due to truncation, and deletion, etc. The analysis was accurate and precise when compared with ground truth clinical manual counting and scoring reported in ten lymphoma and solid tumors cases. The algorithm and the application we developed, SHIMARIS PAFQ, is objective and more efficient than the conventional procedure. It enables the automated counting of more nuclei, precisely detecting additional abnormal signal variations in nuclei patterns and analyzes gigabyte multi-layer stacking imaging data of tissue samples from patients. Currently, we are developing a deep learning algorithm for automated tumor area detection to be integrated with SHIMARIS PAFQ.

• 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.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.422-424
• /
• 1999

본 논문에서는 질감 특징과 신경회로망을 이용한 유방암조직영상의 분할 방법을 제안한다. 신경회로망의 입력 노드에 사용될 질감 특징을 얻기 위해 10개의 영상에 대해 각 영역(양성세포핵, 음성세포핵, 배경)에서 10개씩의 화소를 선택하고, 그 화소를 중심으로 하는 5$\times$5 영역 30개를 획득, 총 300개의 영역에 대해 R, G, B 각각의 밴드에서 18개의 질감특징을 추출한다. 54개의 입력노드, 28개의 은닉노드, 3개의 출력노드의 구조를 가진 신경회로망을 구성하고, 역전파 학습 알고리즘을 사용하여 신경회로망을 최대오차율이 10-3보다 작을 때까지 학습시킨다. 학습에 의해 획득되어진 분류기를 이용하여 유방암 조직 세포영상을 양성세포핵, 음성세포핵, 배경부분으로 자동 분할한다.