CNN을 이용한 백혈구 영상 분석 방법 개발 = Development of White Blood Cells Imaging Analysis Method using CNN

국문 초록 (Abstract)

백혈구 감별에 있어서는 상당한 작업 소요시간이 필요하며, 관찰자간 감별결과의 불일치가 존재하고 숙련된 인력확보의 어려움 등이 존재한다. 이러한 문제점을 해결하기 위하여 혈구이미지를 이용한 분할, 분류 및 계수하는 알고리즘 개발은 지속적으로 이루어지고 있다. 현재까지 진행된 백혈구 영상 감별 연구에서는 혈구를 5-Diff에서 10-Diff로 분할하거나 분류하고 있다. 또한 데이터 수가 11,200장 이하를 다루고 있어, 분할율, 분류율 및 검출율이 90% 이상일지라도 의료현장에서 검사진단의 분석 및 보조용으로 사용하기에는 유효한 결과라고 볼 수 없다.
본 논문에서는 CNN 모델 중 ResNet 152 layer를 사용하여, 백혈구 14-Diff 감별을 위해, 영상분할 및 훈련테스트용과 학습 검증용, 그리고 최종 검증을 위하여 Final Test로 분류하고 1차와 2차 실험을 위하여 총 115,194장의 영상이미지를 확보하였다. 이를 바탕으로 실증적 데이터 21,437장의 영상을 이용한 백혈구 14-Diff 분류에 따른 최종테스트 결과, 정상 백혈구의 평균 TPR 94.2%이고 비정상 백혈구의 평균 TPR 81.5%로써 제안 모델인 WBC–ResNet–152-DAG의 효과가 검증되었음을 알 수 있다. 본 논문의 결과와 방법론이 유망한 인공지능 기술을 가지고 혈구이미지 분류 분야에 얼마나 유익한지를 보여주었고, 혈구이미지를 통해 조기 진단, 예방차원에서도 전문가에게 도움을 줄 수 있을 것으로 입증되었다.

목차 (Table of Contents)

• 목 차
• 목차 ⅰ
• 표 목차 ⅴ
• 그림 목차 ⅵ
• Ⅰ. 서론 1
• 1. 연구의 필요성 및 목적 1
• 가. 연구의 필요성 2
• 나. 연구의 목적 3
• 2. 연구의 방법 및 구성 4
• 가. 백혈구 분석 알고리즘 개발 단계 6
• 나. 백혈구 분석 표준 이미지 개발 7
• 다. 촬상 범위 및 디지털 영상이미지 크기 8
• 라. 백혈구 분석 알고리즘 개발 방법 10
• Ⅱ. 관련 연구 14
• 1. 딥러닝 14
• 가. DBN(Deep Belief Network) 14
• 나. Autoencoder 14
• 다. CNN 15
• 라. RNN(Recurrent Neural Network) 15
• 마. DQN(Deep Q-Network) 15
• 2. CNN 구조 16
• 가. LeNet 17
• 나. AlexNet 18
• 다. GoogLeNet 19
• 라. DenseNet 21
• 마. Region Based CNNs 23
• 바. CNNs for NLP 23
• 사. ResNet 25
• 3. 인공지능 혈구영상분석의 연구 동향 32
• 가. 기존 감별시스템을 이용한 형태학적 패턴분석 32
• 나. 혈구영상의 분할 32
• 다. 혈구영상의 분류 34
• 라. 혈구영상의 검출 38
• 마. 기타 연구 동향 38
• Ⅲ. 백혈구 및 제안모델 41
• 1. 백혈구의 종류 41
• 2. 백혈구 형태 42
• 가. 정상 WBC 5-Diff 42
• 나. 골수계 백혈구 45
• 다. 추가 투입 백혈구 47
• 3. 데이터베이스 49
• 4. 영상이미지의 전처리 분할 과정 51
• 가. 슈퍼픽셀(Super-pixel) 51
• 나. 슈퍼픽셀을 이용한 영상분할 53
• 5. 제안 모델 WBC-ResNet-152 56
• Ⅳ. 연구 실험 및 평가 58
• 1. 실험 환경 58
• 가. 학습 환경 58
• 나. CAFFE library를 이용한 C++ conversion 59
• 2. 지도학습 검증방법 60
• 3. 영상분할 실험 및 평가결과 62
• 가. 색상분포 63
• 나. 배경 제거를 위한 HSV에서 V 값 결정 문제 64
• 다. 위치 선정을 위한 HSV에서 S 값 결정 문제 65
• 라. 영상분할 에러률 66
• 4. 분류 실험 평가 70
• 가. 1차 분류실험 환경 70
• 나. 1차 실험 및 성능 평가 73
• 다. 2차 분류실험 환경 77
• 라. 앙상블 분류 DAG 응용 제안모델 85
• 마. 2차 실험 및 성능 평가 86
• Ⅴ. 결론 92
• 1. 연구 결과 92
• 2. 향후 연구 94
• 요약 95
• ABSTRACT 96
• REFERENCES 98
• 감사의 글 106