형광현미경 영상에서 아폽토시스 세포들의 자동화된 인식

Abstract

컴퓨터 기술의 진보로 디지털 의료 영상들은 임상 진단 및 치료에 중요한 역할을 담당한다. 본 연구는 아폽토시스 이미지 전처리 기법, 이미지 세분화 기법, 특징 추출 기법 및 자동 분류 및 인식 기법을 포함하는 형광 현미경 영상을 사용하여 자동 인식에 사용되는 주요 기술들에 중점을 둔다. 각 기술 설명에서 사용된 현존하는 방법들을 검토하였으며, 아폽토시스자동 인식에서 좋은 성능을 이루는 몇가지 새롭고 강인한 처리 알고리즘들을 제안하였다. 영상 전처리 단계에서 현미경 영상안에서 영상의 질 저하 요소들과 잡음의 일반적인 유형들을 분석하였다. 영상의 특성에 따라 그라디언트 기반 이방성 필터링 알고리즘을 제안하였으며, 이것은 배경 잡음 및 펄스 잡음을 필터링 할 수 있으며 더불어 윤곽선 정보를 유지할 수 있다. 영상안에서 작은 조각들에 의한 조악한 성능을 해결하기 위해 잡음 검출 방법에 기반된 정보 엔트로피와 적응형 중간 필터링 알고리즘이 제안되었다. 마지막으로, 윤곽선 개선 알고리즘에 기반된 이웃 화소 대비가 영상에서 흑백 대비를 개선하기 위해 제안되었다. 영상 분할 단계에서 현존하는 일반적으로 사용된 기술들이 검토되었으며, 스네이크 모델의 개념과 응용, 개선된 방법들이 상세하게 기술되었다. GVF 모델은 초기 윤곽선 위치가 좀 더 자유로우며 오목한 경계선을 검출할 수 있는 성능으로 다른 스네이크 모델보다 큰 장점을 가진다. 그러나 광원주위 고리의 검출 및 낮은 대비 경계선과 잡음에 노출된 경계선을 검출하는 데는 약점이 있다. 이 문제를 해결하기 위하여, 스네이크의 움직임을 제한하는 크기-기반 GVF 스네이크 모델을 제안하였다. 스네이크 모델은 분리된 세포들의 경계선과 중첩된 세포들의 경계선을 검출하기 위해 사용되었으며, 연속적인 분리 과정이 상세하게 기술되었다. 특징 추출 단계에서 기존 주요 기법을 검토 하고 본 실험에서 사용된 다양한 특징들을 기술하였다. 인식 단계에서는 현미경 영상 인식에 대한 기본적인 구조들을 소개하였다. 배깅 의사 결정 트리 알고리즘이 10 특징들과 분류의 정확성을 측정하기 위해 사용되었다. 마지막으로, 실험 결과들이 비교 되었으며 아폽토시스 인식에 적용된 제안된 알고리즘들에 대한 우수성을 기술하였다.|With the advance of computer techniques, digital medical images play an important role in clinical diagnosis and treatment. In this paper, I focused on the description of the key techniques used in the automatic recognition of apoptosis using fluorescence microscopic images, which include image preprocessing technique, image segmentation technique, feature extraction technique and automatic classification and recognition technique. In the description of each technique, I reviewed the existing methods used and proposed some new and robust processing algorithms, which achieve good performance in automatic recognition of apoptosis. In image preprocessing step, I analyzed the main quality degradation factors and common types of noise in microscopic images. According to characteristics of image, I proposed a gradient-based anisotropic filtering algorithm, which is able to filter out background noise and pulse noise and preserve the information of boundaries as well. Considering its bad performance for tiny particles in image, an information entropy based noise detection method and adaptive median filtering algorithm were proposed to address this problem. Lastly, a neighborhood contrast based boundary enhancement algorithm was proposed to improve the contrast of images. In image segmentation step, the existing commonly used techniques for image segmentation were reviewed and the conception and application of snake model and its improved edition, GVF snake model were described in detail. GVF model has great advantage to other snake models in more freedom of initial contour position and capability to detect concaved boundary, however it is weak in detecting haloed or low contrast boundaries and noise-polluted boundaries. To address this problem, I proposed a size based GVF snake model to limit the movement of snake. Snake model was used to obtain the boundary of separated cells and for overlapping cells, a seriers of separation manipulation was also stated in detail. In feature extraction step, I reviewed the existing main techniques and described various features used in our experiment. In recognition step, I introduced the basic framework of microscopic image recognition. Bagging decision tree algorithm was used to measure the classification ability of 10 featues and classification accuracy. Lastly, the experimental results were compared and analyzed, which demonstrated the success of our algorithms applied to recognition of apoptosis.