자동 세포 분할을 위한 채널 간 상관성 기반 세포 영상의 전처리 알고리즘

국문 초록 (Abstract)

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.

다국어 초록 (Multilingual Abstract)

The automated segmentation technique of cell region in Bio Images helps biologists understand complex functions of cells. It is mightly important in that it can process the analysis of cells automatically which has been done manually before. The conventional methods for segmentation of cell and nuclei from multi-channel images consist of two steps. In the first step nuclei are extracted from DNA channel, and used as initial contour for the second step. In the second step cytoplasm are segmented from Actin channel by using Active Contour model based on intensity. However, conventional studies have some limitation that they let the cell segmentation performance fall by not considering inhomogeneous intensity problem in cell images. Therefore, the paper consider correlation between DNA and Actin channel, and then proposes the preprocessing algorithm by which the brightness of cell inside in Actin channel can be compensated homogeneously by using DNA channel information. Experiment result show that the proposed preprocessing method improves the cell segmentation performance compared to the conventional method.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 관련연구
• Ⅲ. 멀티채널 간 상관성 기반 전처리 알고리즘
• Ⅳ. 실험 및 결과
• Ⅴ. 결론
• 참고문헌
• 저자소개

참고문헌 (Reference)

1 "http://www.mathworks.com/steve/2006/06/02/cell-segmentation"

2 P. Bamford, "Unsupervised Cell Nucleus Segmentation with Active Contours" 71 : 203-213, 1998

3 M. Boutros, "Genome-wide RNAi analysis of growth and viability in drosophila cells" 303 : 832-835, 2004

4 W. K. Pratt, "Digital Image Processing" Wiley 1978

5 P. Yan, "Automatic Segmentation of High Throughput RNAi Fluorescent Cellular Images" 12 : 109-117, 2008

6 G. Xiong, "Automated segmentation of Drosophila RNAi fluorescence cellular images using deformable models" 53 (53): 2415-2424, 2006

7 L. B. Lucy, "An iterative technique for rectification of observed distributions" 79 : 745-765, 1974

8 C. Wahlby, "Algorithms for cytoplasm segmentation of fluorescence labelled cells" 24 : 101-111, 2002

9 N. Otsu, "A threshold selection method from gray level histograms" 9 (9): 1979