http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
칼라 유방암조직영상에서 질감 특징과 신경회로망을 이용한 양성세포핵과 음성세포핵의 자동 분할
최현주(Hyun-Ju Choi),허민권(Min-Kwon Heo),최흥국(Heung-Kook Choi),김상균(Sang-Gyun Kim),최항묵(Hang-Mook Choi),박세명(Se-Myung Park) 한국정보과학회 1999 한국정보과학회 학술발표논문집 Vol.26 No.2Ⅱ
본 논문에서는 질감 특징과 신경회로망을 이용한 유방암조직영상의 분할 방법을 제안한다. 신경회로망의 입력노드에 사용될 질감 특징을 얻기 위해 10개의 영상에 대해 각 영역(양성세포핵, 음성세포핵, 배경)에서 10개씩의 화소를 선택하고, 그 화소를 중심으로 하는 5×5 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^(-3) 보다 작을 때 까지 학습시킨다. 학습에 의해 획득되어진 분류기를 이용하여 유방암 조직 세포영상을 양성세포핵, 음성세포핵, 배경부분으로 자동 분할한다.
유방암 조직의 면역조직화학염색에 의한 세포핵의 정량적인 영상분석
허민권,최흥국 인제대학교 1998 仁濟論叢 Vol.14 No.1
영상분석의 새로운 방법론의 개발로써 유방암 조직세포의 정량적 칼라 분할 알고리즘을 수행하였다. 면역조직화학염색 세포핵은 양성개체(Positive Object)에 대해서는 갈색 칼라로 나타났고, 음성개체(Negative Object)에 대해서는 푸른색 칼라로 나타났다. 이것은 환자를 진단하고 예지하는데 있어서 중요한 요인으로 작용한다. 시각적 표현을 위해서 RGB칼라를 HLS칼라로 변환하여 사용하였다. 왜냐하면 RGB칼라 모델은 HLS칼라 모델에 비하여 칼라 색상이 비슷한 두 개체를 구별하여 인지하는 것이 더 어렵기 때문이다. 히스토그램의 임계치와 Box classification의 두 알고리즘은 바탕화면으로부터 개체를 추출하기 위해 조합하여 사용하였다. 이러한 방법론의 사용은 시각적 병리정밀검사에 좋은 보조도구를 제공하였다. By a new image analysis development we carried out a quantitative color segmentation algorithm of brest carcinoma tissue sections. The immunohistochemically stained cell nuclei are appeared brownish color for positive objects and blueish color for negative objects. These are significant diagnostic and prognostic factors for patients. In for visualization we used HLS color space because RGB color image was not exactly recognized to distinguish for the two objects. Two algorithms of a thresholding histogram and a box classification were combined to segment objects from background. Using this approach we obtained a good correlation of visual inspection by pathologist.
디스턴스 마스크를 이용한 겹친 세포핵들에 대한 분리방법 구현
최흥국,허민권,서재현 인제대학교기초과학연구소 1998 자연과학 Vol.2 No.-
영상처리에서 이미지에 대한 분할은 가장 필수적인 조건이다. 특히 의료세포영상과 같은 복잡한 영상들에 대한 분할은 더더욱 어렵다. 또 세포를 정확히 분할을 하더라도 의료세포영상은 세포들간의 중복(겹침)현상이 두드러지게 나타난다. 이러한 겹침 현상은 일정한 것이 아니라 서로 다른 형태와 크기와 모양으로 생긴다. 이러한 특징들을 다 만족하여 분할하기는 많은 노력이 필요하다. 본 논문에서는 특히 병리학분야에서 세포 분석의 중요한 요소를 들고 있는 세포수에 의한 영상분석을 하기 위해 어렵고 복잡한 것이 아니라 유클리디안 디스턴스를 이용한 회선 마스크를 사용하여 간단히 겹침 현상 세포를 셀 수 있는 방법을 제안한다. Image segmentation is important in image processing. Particularly, it is difficult to segment complex image like medical cell tissue image. Although cells are exactly separated, the overlapping cell nuclei with different type, size, and shape appear. In this paper, we present the method using convolution mask based on Euclidean distance to count overlapping cell nuclei simply.