KR102257998B1 - 세포 계수 장치 및 방법 - Google Patents

세포 계수 장치 및 방법 Download PDF

Info

Publication number
KR102257998B1
KR102257998B1 KR1020190019858A KR20190019858A KR102257998B1 KR 102257998 B1 KR102257998 B1 KR 102257998B1 KR 1020190019858 A KR1020190019858 A KR 1020190019858A KR 20190019858 A KR20190019858 A KR 20190019858A KR 102257998 B1 KR102257998 B1 KR 102257998B1
Authority
KR
South Korea
Prior art keywords
cell
image
candidate
cell counting
blood
Prior art date
Application number
KR1020190019858A
Other languages
English (en)
Other versions
KR20200102034A (ko
Inventor
박태준
안대한
문상준
Original Assignee
한양대학교 에리카산학협력단
울산과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한양대학교 에리카산학협력단, 울산과학기술원 filed Critical 한양대학교 에리카산학협력단
Priority to KR1020190019858A priority Critical patent/KR102257998B1/ko
Publication of KR20200102034A publication Critical patent/KR20200102034A/ko
Application granted granted Critical
Publication of KR102257998B1 publication Critical patent/KR102257998B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Physiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

본 개시는 소정의 기준 이미지에 기초하여 산출된 유사도에 따라 혈액 이미지에서 세포가 존재할 수 있는 후보 위치를 결정하는 탐색부, 세포에 대한 복수의 예시 이미지를 학습한 학습 결과에 기초하여 후보 위치에 세포가 존재하는지를 검증하는 검증부 및 세포가 존재하는 것으로 검증된 후보 위치를 계수하는 계수부를 포함하는 세포 계수 장치 및 방법을 제공한다. 본 개시에 의하면 광학렌즈 등과 같은 추가적인 장비, 소프트웨어적 이미지 보정 또는 염색 및 형광작업 등과 같은 추가적인 작업 등이 없이도 보다 정확하게 세포를 계수할 수 있다.

Description

세포 계수 장치 및 방법 {APPARATUS AND METHOD FOR CELL COUNTING}
본 개시는 혈액 이미지를 이용하여 혈액 내의 세포를 계수하는 세포 계수 방법 및 장치에 관한 것이다.
개발도상국과 같이 일반인들이 정밀 장비를 갖춘 의료시설에 접근하기 힘든 지역의 경우, 상대적으로 가격이 저렴하고 현장에서 바로 진단이 가능한 현장진단(Point-of-Care Testing) 기술이 필요하게 된다. 또한, 의료시설에의 접근이 쉬운 경우에도 일반인이 병원에 가지 않고 스스로 건강상태를 기록하고 질병의 유무 판단 및 예방을 할 수 있는 현장진단 기술이 필요할 수 있다.
이러한 현장진단에 있어 혈액 분석 및 세포의 계수는 질병을 판단하는데 중요한 역할을 할 수 있다. 예를 들어, 혈액 분석은 혈당, 지방간 등의 각종 질병을 진단하는데 이용될 수 있다. 특히, 혈액 속의 백혈구는 건강상태에 따라 그 수가 다르게 나타나고, 후천성면역결핍증(AIDS/HIV)의 경우 세포의 수가 현저하게 줄어들기 때문에, 세포의 계수는 이러한 질병의 예방 및 판단에 결정적인 역할을 수행할 수 있다.
종래의 혈액 세포를 계수하는 방식은 수동계수, 하드웨어 기반의 계수, 소프트웨어 기반의 계수 방식 등이 적용되고 있다. 수동계수 방식은 혈액 세포를 감지하는 광학 장치를 통해 촬영된 이미지로부터 사람이 직접 세포의 수를 계수하는 방식으로써, 일반적으로 세포 계수의 기준으로 사용되지만, 작업속도가 느리고 단순 반복 작업에 해당된다.
하드웨어 기반의 계수 방식은 특수 광학 장비 혹은 혈액 세포단위의 혈액을 제어하기 위한 미세유체장치(Microfluidic Device)를 사용하는 방식으로 매우 정밀하지만 구축비용이 크며 현장진료에는 적용하기 어려우며, 소프트웨어 기반의 계수 방식은 분석 속도가 매우 빠르고 염가형으로 구축이 가능하지만 종래의 소프트웨어 기반 분석 방식은 정밀한 혈액 세포 계수를 위해 추가적인 광학 렌즈 등의 장비나 염색, 형광이벤트 작업 등 이미지의 질 향상을 위해 추가적인 작업과 비용이 발생하게 된다.
따라서, 현장진단 적용을 위해, 이미지 보정을 위한 별도의 하드웨어 또는 추가적인 작업 없이도 세포의 계수를 정확히 수행할 수 있는 방법에 대한 요구가 증대되고 있다.
등록특허공보 10-1700887 (2017.02.02. 등록공고)
전술한 배경에서 본 개시는 유사도 판단에 따른 후보 위치 결정 및 학습 결과에 기초한 세포의 존재 여부 검증을 수행함으로써, 광학렌즈 등과 같은 추가적인 장비, 소프트웨어적 이미지 보정 또는 염색 및 형광작업 등과 같은 추가적인 작업 등이 없이도 보다 정확하게 세포를 계수할 수 있는 세포 계수 장치 및 방법을 제안하고자 한다.
또한, 본 개시는 유사도 판단에 따라 혈액 이미지 내에서 세포가 존재할 수 있는 후보 위치를 결정함으로써, 혈액 이미지 내에서 세포와 관련이 없는 영역에 대한 검증을 생략할 수 있어, 보다 신속한 계수 및 연산 부담을 경감할 수 있는 세포 계수 장치 및 방법을 제안하고자 한다.
또한, 본 개시는 결정된 후보 위치에 대한 심층 검사를 수행함으로써, 배경의 밝기나 빛의 간섭 등에 의해 흐릿하게 나타나는 세포에 대한 계수의 정확도를 극대화할 수 있는 세포 계수 장치 및 방법을 제안하고자 한다.
전술한 과제를 해결하기 위해서 안출된 본 개시는 소정의 기준 이미지에 기초하여 산출된 유사도에 따라 혈액 이미지에서 세포가 존재할 수 있는 후보 위치를 결정하는 탐색부, 세포에 대한 복수의 예시 이미지를 학습한 학습 결과에 기초하여 후보 위치에 세포가 존재하는지를 검증하는 검증부 및 세포가 존재하는 것으로 검증된 후보 위치를 계수하는 계수부를 포함하는 세포 계수 장치를 제공할 수 있다.
또한, 본 개시는 소정의 기준 이미지에 기초하여 산출된 유사도에 따라 혈액 이미지에서 세포가 존재할 수 있는 후보 위치를 결정하는 단계, 세포에 대한 복수의 예시 이미지를 학습한 학습 결과에 기초하여 후보 위치에 세포가 존재하는지를 검증하는 단계 및 세포가 존재하는 것으로 검증된 후보 위치를 계수하는 단계를 포함하는 세포 계수 방법을 제공할 수 있다.
본 개시에 따르면, 유사도 판단에 따른 후보 위치 결정 및 학습 결과에 기초한 세포의 존재 여부 검증을 수행함으로써, 광학렌즈 등과 같은 추가적인 장비, 소프트웨어적 이미지 보정 또는 염색 및 형광작업 등과 같은 추가적인 작업 등이 없이도 보다 정확하게 세포를 계수할 수 있는 효과가 있다.
또한, 본 개시에 따르면, 유사도 판단에 따라 혈액 이미지 내에서 세포가 존재할 수 있는 후보 위치를 결정함으로써, 혈액 이미지 내에서 세포와 관련이 없는 영역에 대한 검증을 생략할 수 있어, 보다 신속한 계수 및 연산 부담을 경감할 수 있는 효과가 있다.
또한, 본 개시에 따르면, 결정된 후보 위치에 대한 심층 검사를 수행함으로써, 배경의 밝기나 빛의 간섭 등에 의해 흐릿하게 나타나는 세포에 대한 계수의 정확도를 극대화할 수 있는 효과가 있다.
도 1은 본 개시의 일 실시예에 따른 세포 계수 시스템의 블록도이다.
도 2는 본 개시의 일 실시예에 따른 세포 계수 장치의 블록도이다.
도 3 내지 도 5는 본 개시의 일 실시예에 따른 촬영된 혈액 이미지를 설명하기 위한 도면이다.
도 6 내지 도 10은 본 개시의 일 실시예에 따른 세포 계수 장치의 동작을 설명하기 위한 도면이다.
도 11은 본 개시의 일 실시예에 따른 세포 계수 방법에 대한 흐름도이다.
도 12는 본 개시의 일 실시예에 따른 유사도 판단을 설명하기 위한 흐름도이다.
도 13은 본 개시의 일 실시예에 따른 세포 존재 검증을 설명하기 위한 흐름도이다.
이하, 본 개시의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 개시를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 본 개시의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
본 개시에 있어서, "혈액 이미지"는 세포를 계수(count)하기 위하여 혈액 샘플을 촬영한 이미지를 의미한다. 또한, "기준 이미지"는 유사도 판단을 위한 기준이 되는 세포 이미지를 의미한다. 또한, "세포에 대한 예시 이미지"는 세포 검증에 적용할 수 있는 머신 러닝(machine learning) 모델의 학습 시 이용되는 세포와 관련된 이미지를 의미한다. 또한, "후보 이미지"는 혈액 이미지 내의 후보 위치를 포함하는 이미지를 의미한다.
이하에서는, 관련 도면을 참조하여 본 개시의 실시예들에 따른 세포 계수 장치 및 방법에 대하여 설명하기로 한다.
도 1은 본 개시의 일 실시예에 따른 세포 계수 시스템의 블록도이다.
도 1을 참조하면, 세포 계수 시스템(10)은 촬영된 혈액 이미지에 포함된 세포의 개수를 카운팅(counting)하는 세포 계수 장치(100), 혈액 이미지를 촬영하는 촬영 장치(200), 세포 계수 시스템의 다양한 동작을 지원하기 위한 데이터를 저장하는 저장 장치(300) 및 외부 네트워크를 통하여 혈액 이미지 등을 수신하는 통신 장치(400)를 포함할 수 있다. 도 1에 도시된 구성요소들은 세포 계수 시스템을 구현하는데 있어서 필수적인 것은 아니어서, 본 개시에서 설명되는 세포 계수 시스템은 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
보다 구체적으로, 촬영 장치(200)는 광원, 미세유동 칩(microfluidic chip) 및 이미지 센서 등을 포함할 수 있다. 혈액 샘플이 구비된 미세유동 칩에 광원으로부터의 빛이 조사되고, 조사된 빛은 세포를 통과하여 이미지 센서에서 직접 이미지화될 수 있다. 이 경우, 세포의 형태가 나타난 혈액 이미지가 촬영되게 된다.
저장 장치(300)는 혈액 이미지, 기준 이미지, 예시 이미지 및 세포 계수에 이용되는 알고리즘 등을 저장할 수 있다. 또한, 세포 계수 시스템의 동작을 위한 데이터나, 명령어들을 저장할 수 있다. 저장 장치(300)는 저장 기능을 수행할 수 있다면, 특정 타입으로 한정되지 않으며, 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), 롬(read-only memory; ROM) 등 임의의 타입으로 구현될 수 있다.
통신 장치(400)는 외부 네트워크를 통하여, 혈액 이미지, 기준 이미지, 예시 이미지 및 세포 계수에 이용되는 알고리즘 등을 수신할 수 있다. 통신 장치(400)는 세포 계수 시스템과 유무선 통신 시스템 사이에서 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 통신 장치(400)를 통하여 수신된 데이터는 저장 장치(300)에 저장될 수 있다.
세포 계수 장치(100)는 촬영 장치(200)에서 촬영된 혈액 이미지에 포함된 세포를 계수할 수 있다. 또는, 저장 장치(300)에 저장된 혈액 이미지나 통신 장치(400)를 통하여 수신된 혈액 이미지에 포함된 세포를 계수할 수 있다.
일 예에 따라, 세포 계수 장치(100)는 우선적으로, 혈액 이미지 내에서 세포가 존재할 수 있는 후보 위치를 결정할 수 있다. 이를 위하여, 세포 계수 장치(100)는 미리 저장된 소정의 기준 이미지를 이용하여 혈액 이미지를 스캔할 수 있다. 세포 계수 장치(100)는 혈액 이미지의 각 영역에 대하여 기준 이미지와의 유사도를 산출하고, 산출된 유사도가 소정의 임계값보다 높은 영역을 후보 위치로 결정할 수 있다.
세포 계수 장치(100)는 결정된 후보 위치에 대하여 소정의 머신 러닝 기법을 적용하여 세포가 존재하는지를 검증할 수 있다. 이를 위하여, 세포 계수 장치(100)는 세포와 관련된 복수의 예시 이미지를 학습하고 학습 결과를 저장 장치(300)에 저장할 수 있다. 세포 계수 장치(100)는 검증된 후보 위치를 계수하여 혈액 이미지 내의 세포를 계수할 수 있다.
이에 따르면, 유사도 판단에 따른 후보 위치 결정 및 학습 결과에 기초한 세포의 존재 여부 검증을 수행함으로써, 보다 신속한 계수 및 연산 부담을 경감할 수 있고, 별도의 추가적인 장비나 작업 등이 없이도 정확하게 세포를 계수할 수 있는 효과가 있다.
이하에서는, 관련 도면을 참조하여, 본 개시의 일 실시예에 따른 세포 계수 장치(100) 및 세포 계수 방법에 대하여 보다 구체적으로 설명하기로 한다.
도 2는 본 개시의 일 실시예에 따른 세포 계수 장치의 블록도이다. 도 3 내지 도 5는 본 개시의 일 실시예에 따른 촬영된 혈액 이미지를 설명하기 위한 도면이다. 도 6 내지 도 10은 본 개시의 일 실시예에 따른 세포 계수 장치의 동작을 설명하기 위한 도면이다.
도 2를 참조하면, 세포 계수 장치(100)는 소정의 기준 이미지에 기초하여 산출된 유사도에 따라 혈액 이미지에서 세포가 존재할 수 있는 후보 위치를 결정하는 탐색부(110), 세포에 대한 복수의 예시 이미지를 학습한 학습 결과에 기초하여 후보 위치에 세포가 존재하는지를 검증하는 검증부(130) 및 세포가 존재하는 것으로 검증된 후보 위치를 계수하는 계수부(150)를 포함할 수 있다.
탐색부(110)는 촬영 장치(200)에서 촬영된 혈액 이미지를 입력받을 수 있다. 도 3을 참조하면, 일 실시예에 따라, 촬영 장치(200)는 광원(210), 미세유동 칩(220) 및 이미지 센서(230)를 포함할 수 있다. 광원은 백색 광원으로 사용되는 할로겐 램프 등으로 구현될 수 있고, 이미지 센서는 CCD 또는 CMOS 이미지 센서로 구현될 수 있다. 또한, 촬영 장치(200)는 미세유동 칩을 자동으로 정렬하는 미세유동 칩 정렬 시스템과 혈액 샘플 등의 용액을 주입하는 주사기 펌프(syringe pump) 등을 더 포함할 수 있다. 일 예에 따라, 촬영 장치(200)는 인라인 홀로그래피 현미경(in-line holographic microscope)으로 구현될 수 있다. 다만, 이는 일 예로서, 혈액 이미지를 촬영할 수 있다면, 특정 촬영 장치에 한정되는 것은 아니다.
도 3에 도시된 것과 같이, 광원(210)에서 조사된 광이 핀홀을 통과하여 미세유동 칩(220)을 통과하고, 이후 이미지 센서(230)에서 혈액 이미지로 촬영될 수 있다. 이 경우, 세포의 그림자나 빛의 간섭 등에 의하여 선명도가 낮은 흐릿한 세포 이미지(blurred cell image)가 포함될 수 있다. 흐릿한 세포 이미지의 경우, 배경 이미지와 구분하기 어려워 종래의 소프트웨어 기반의 세포 계수 방법으로는 세포 계수에 어려움이 발생할 수 있다.
예를 들어, 도 4를 참조하면, 촬영된 혈액 이미지(i)가 도시되어 있다. 세포의 형상이 뚜렷하게 나타나는 일반적인 세포 이미지(30)들과 형상이 흐릿하게 나타나는 흐릿한 세포 이미지(40)들이 혈액 이미지(i)에 포함될 수 있다. 또한, 빛의 간섭 등에 의한 배경 이미지의 밝기 변화에 따라 흐릿한 세포와 구분하기 어려운 형태로 나타나는 노이즈(50)들이 혈액 이미지(i)에 더 포함될 수 있다.
즉, 도 5에 도시된 것과 같이, 촬영된 혈액 이미지 내의 세포 이미지들은 일반적인 세포 이미지(a) 또는 흐릿한 세포 이미지(b)로 나타날 수 있다. 이에 더하여, 일정한 명암이 나타나는 배경 노이즈(c)가 혈액 이미지에 나타날 수 있고, 이러한 배경 노이즈는 흐릿한 세포의 이미지와 구별이 어려워, 종래의 소프트웨어 기반의 세포 계수 방법으로는 세포 계수에 어려움이 발생할 수 있다.
도 6을 참조하면, 본 개시의 일 실시예에 따른 세포 계수 장치의 탐색부(110) 및 검증부(130)의 동작이 개략적으로 도시되어 있다. 도 6에 도시된 것과 같이, 탐색부(110)는 촬영 장치(200), 저장 장치(300) 또는 통신 장치(400)로부터 혈액 이미지를 입력받을 수 있다(111). 이 경우, 관심 위치(ROI: Region of Interest)에 따라 혈액 이미지의 영역 및 크기는 다르게 설정될 수 있다.
탐색부(110)는 혈액 이미지 내에서 소정의 기준 이미지를 이동시키면서, 기준 이미지와 동일한 크기의 비교 영역들과 비교할 수 있다. 소정의 기준 이미지는 혈액 이미지에서 세포가 존재할 수 있는 후보 위치를 결정하기 위해 미리 설정될 수 있다. 예를 들어, 도 5에 도시된 일반적인 세포 이미지들 중 적어도 하나가 기준 이미지로 설정될 수 있다. 기준 이미지로 이용되는 일반적인 세포 이미지들의 개수는 필요에 따라 다르게 설정될 수 있다.
탐색부(110)는 기준 이미지와 비교 영역들 각각을 비교하여, 유사도를 산출할 수 있다. 전술한 것과 같이, 기준 이미지는 일반적인 세포 이미지이므로, 기준 이미지와 유사도가 높다는 것은 해당 비교 영역에 세포 이미지가 나타날 확률이 높다는 것을 의미할 수 있다. 즉, 기준 이미지와의 유사도는 해당 비교 영역에 세포가 존재할 수 있는 확률값을 의미할 수 있다.
일 예에 따라, 탐색부(110)는 기준 이미지를 기반으로 혈액 이미지를 지그재그 스캔(zig-zag scanning) 방식으로 탐색할 수 있다. 이 경우, 탐색부(110)는 기준 이미지를 지그재그로 이동시키면서, 기준 이미지와 동일한 크기의 각 비교 영역들과 기준 이미지들을 서로 비교할 수 있다. 다만, 이는 일 예로서, 이에 한정되는 것은 아니며, 기준 이미지를 기반으로 하는 혈액 이미지의 스캔 방식은 필요에 따라 다르게 설정될 수 있다.
일 예에 따라, 상기 비교 전에 혈액 이미지들은 기준 이미지와 동일한 크기의 비교 영역들로 구분될 수 있다. 탐색부(110)는 기준 이미지와 구분된 각 비교 영역들을 각각 비교할 수 있다. 예를 들어, 비교 영역은, 9 x 9 픽셀들로 구성될 수 있다. 즉, 기준 이미지의 크기도 9 x 9 픽셀으로 구성될 수 있다. 다만, 이는 일 예로서, 이에 한정되는 것은 아니며, 필요에 따라 다른 크기로 설정될 수 있다.
일 예에 따라, 탐색부(110)는 정규 상호 상관(Normalized Cross Correlation; NCC) 알고리즘을 이용하여 비교 영역들 각각과 기준 이미지 사이의 유사도를 산출할 수 있다(113). 탐색부(110)는 NCC 알고리즘에 따른 아래의 수학식 1을 이용하여 기준 이미지와 비교 영역 사이의 NCC 값인 P(i,j)을 산출할 수 있다.
Figure 112019018013973-pat00001
여기서,
Figure 112019018013973-pat00002
의 관계를 만족하며, M x N은 혈액 이미지의 차원을 결정하고, K x L은 기준 이미지의 차원을 결정한다. 또한, w(x,y) 및 f(x,y)는 각각 기준 이미지 및 혈액 이미지 상의 픽셀 (x,y)의 값을 나타낸다. 또한,
Figure 112019018013973-pat00003
와
Figure 112019018013973-pat00004
는 각각 w(x,y)와 f(x,y)의 평균값을 나타낸다. 이 경우, P(i,j)는 두 이미지의 유사도가 높을 수록 1에 가까운 값으로 산출되며, 유사도가 낮을수록 0에 가까운 값을 산출된다.
탐색부(110)는 산출된 유사도가 소정의 임계값보다 높은 비교 영역을 후보 위치로 결정할 수 있다. 도 7을 참조하면, 일반적인 세포 이미지와 흐릿한 세포 이미지 및 배경 노이즈의 픽셀 거리에 따른 강도(intensity)에 대한 일 예가 도시되어 있다. 통상적으로, 일반적인 세포 이미지의 강도가 큰 편차를 가지며 변동하는데 비하여, 흐릿한 세포 이미지의 강도는 배경 노이즈와 유사하게 강도의 변동 폭이 작게 나타난다.
일반적인 세포 이미지의 경우, 기준 이미지가 일반적인 세포 이미지로 설정되므로, 기준 이미지와의 유사도가 크게 나타난다. 또한, 흐릿한 세포 이미지의 경우에도 변동 폭은 작지만 일반적인 세포 이미지의 강도와 유사한 굴곡의 강도 그래프를 나타내므로, 기준 이미지와의 유사도는 배경 노이즈보다 조금 더 크게 나타날 수 있다.
탐색부(110)는 혈액 이미지에서 최대한 모든 세포 이미지가 후보 위치로 결정되고, 배경 노이즈가 후보 위치로 결정되는 것을 최소화하기 위해서, 적절한 임계값을 설정할 수 있다. 일 예에 따라, 임계값은 혈액 이미지에 포함된 세포 이미지의 선명도에 기초하여 설정될 수 있다.
도 8을 참조하면, 기준 이미지를 이용하여 산출한 유사도에 따른 세포 이미지들의 분포가 사분범위(interquartile range; IQR)로 도시되어 있다. 가장 왼쪽 분포(a)의 경우, 기준 이미지와 일반적인 세포 이미지를 포함하는 비교 영역 사이의 NCC 값의 분포를 나타낸다. 중간의 분포(b)의 경우, 기준 이미지와 흐릿한 세포 이미지를 포함하는 비교 영역 사이의 NCC 값의 분포를 나타낸다. 가장 오른쪽 분포(c)의 경우, 기준 이미지와 배경 노이즈 사이의 NCC 값의 분포를 나타낸다. 각 분포에서 중앙의 사각형은 분포의 중간 50%(전체 범위의 25%~75%)를 나타내며, 사각형 내부의 선은 분포의 중앙값을 의미한다.
전술한 바와 같이, 기준 이미지와 유사도가 높은 일반적인 이미지들의 경우, 1과 근접한 NCC 값의 분포를 가지며, 흐릿한 이미지들의 경우, 일반적인 이미지들보다는 다소 낮고 배경 노이즈들보다는 다소 높은 NCC 값의 분포를 가지게 된다. 도 8을 참조하면, 탐색부(110)는 최대한 모든 세포 영역을 포함하고 배경 노이즈 영역을 최소화하기 위해서, 흐릿한 세포 이미지의 NCC 값 분포(b)의 최소값을 임계값(Th)으로 설정할 수 있다.
이 경우, 일반적인 세포 이미지들과 흐릿한 세포 이미지들이 전부 후보 위치로 결정될 수 있다. 다만, 배경 노이즈들(c) 중에서 임계값(Th)보다 높은 NCC 값을 갖는 노이즈들도 같이, 후보 위치로 결정될 수 있다.
탐색부(110)는, 혈액 이미지에서 결정된 후보 위치에 제1 마커를 표시할 수 있다(115). 도 9를 참조하면, 혈액 이미지(i)에서 세포 이미지가 존재할 수 있는 후보 위치로 결정된 위치에 제1 마커(m1)들이 표시된 것이 도시되어 있다. 전술한 것과 같이, 세포 이미지 이외에 기준 이미지와의 유사도가 임계값보다 높은 배경 노이즈도 다수 포함되어 있음을 알 수 있다.
일 예에 따라, 제1 마커들이 표시된 혈액 이미지는 별도의 디스플레이를 통하여 출력될 수 있다. 상기 디스플레이는 세포 계수 장치(100)에 구비되거나, 세포 계수 장치(100)와 전기적으로 연결된 별도의 장치로 구성될 수 있다.
이상에서는, NCC 알고리즘을 이용하여 기준 이미지와 비교 영역들 사이의 유사도를 산출하였다. 다만, 다른 일 예에 따라, 유사도 산출은 유클리디안 거리(Euclidean Distance) 산출 방법 등이 적용될 수 있다.
이에 따르면, 적절한 임계값을 설정하여 혈액 이미지에서 세포 이미지를 최대한 포함하는 후보 위치를 결정함으로써, 이후 단계에서 세포 이미지에 대한 검증 대상이 되는 영역을 후보 위치만으로 감소시킬 수 있어, 상대적으로 시간이 소요되는 검증 과정이 보다 신속하게 수행될 수 있다.
다시, 도 2를 참조하면, 세포 계수 장치(100)의 검증부(130)는 결정된 후보 위치에 대하여 세포가 존재하는지를 검증할 수 있다. 도 6에 도시된 것과 같이, 검증부(130)는 후보 위치가 표시된 혈액 이미지에 대하여, 검증에 적용되는 분석 모델에서 요구되는 크기로 후보 위치를 포함하는 후보 이미지를 구분할 수 있다(131). 일 예에 따라, 검증부(130)는 후보 이미지를 분석 모델에 적용될 수 있는 크기로 크로핑(cropping)할 수 있다.
검증부(130)는 후보 이미지에 대하여 실제로 세포 이미지가 포함되어 있는지에 대한 검증을 수행할 수 있다(133). 이를 위하여, 검증부(130)는 머신 러닝을 기반으로 미리 세포에 대한 복수의 예시 이미지를 학습할 수 있다. 세포에 대한 예시 이미지는, 도 5에 도시된 것과 같은, 일반적인 세포 이미지, 흐릿한 세포 이미지 뿐 아니라 배경 노이즈 등 세포의 검증에 이용될 수 다양한 이미지를 포함할 수 있다. 학습 결과는 저장 장치(300)에 저장될 수 있다. 또한, 일 예에 따라, 검증부(130)는 후보 이미지의 검증 결과를 반영하여 저장된 학습 결과를 업데이트할 수 있다.
일 예에 따라, 검증부(130)는 세포 검증을 위한 분석 모델로 컨볼루션 신경망(Convolutional Neural Network; CNN) 알고리즘을 포함할 수 있다. 검증부(130)는 CNN 알고리즘을 적용하여, 후보 이미지에 세포 이미지가 포함되어 있는지를 검증할 수 있다.
검증부(130)는 세포 이미지를 포함하고 있는 것으로 검증된 후보 이미지에 대응하는 혈액 이미지 상의 후보 위치에 제2 마커를 표시할 수 있다. 도 10을 참조하면, 혈액 이미지(i)에서, 세포 이미지로 검증된 후보 위치들에 대하여 제2 마커(m2)가 표시된 것이 도시되어 있다.
또한, 검증부(130)는 세포 이미지를 포함하고 있지 않은 것으로 검증된 후보 이미지에 대응하는 혈액 이미지 상의 후보 위치에 대해서는 제2 마커를 표시하지 않을 수 있다. 따라서, 도 9에 도시된 제1 마커의 수에 비하여 도 10에 도시된 제2 마커의 수가 줄어든 것을 볼 수 있다. 이는, 탐색부(110)에서 유사도 값이 임계값보다 높았던 노이즈들이 검증부(130)의 검증에 의하여 제거된 것을 의미한다.
일 예에 따라, 제2 마커들이 표시된 혈액 이미지는 별도의 디스플레이를 통하여 출력될 수 있다. 상기 디스플레이는 세포 계수 장치(100)에 구비되거나, 세포 계수 장치(100)와 전기적으로 연결된 별도의 장치로 구성될 수 있다.
이에 따르면, 탐색부에서 결정된 후보 위치들에 대하여 세포 이미지가 존재하는지에 대한 이차적인 검증을 수행함으로써, 세포 계수를 보다 정확하게 수행할 수 있다.
다시, 도 2를 참조하면, 세포 계수 장치(100)의 계수부(150)는 세포가 존재하는 것으로 검증된 후보 위치들을 나타내는 제2 마커를 계수할 수 있다. 일 예에 따라, 계수부(150)는 탐색부(110)에서 결정된 제1 마커를 계수할 수 있다. 다만, 이는 일 예로서, 이에 한정되는 것은 아니며, 계수부(150)의 기능은 각각 탐색부(110) 및 검증부(130)에 통합되어 탐색부(110) 및 검증부(130)에서 마커들을 각각 계수하도록 구현될 수 있다.
이상에서는, 세포의 형상이 원형인 경우를 전제로 설명하였으나, 이에 한정되는 것은 아니다. 일 예에 따라, 기준 이미지 및 예시 이미지는 계수의 대상이 되는 세포의 종류를 고려하여 설정될 수 있다. 예를 들어, 계수를 하고자 하는 세포가 독특한 형상을 갖는 경우, 기준 이미지 및 예시 이미지는 해당 특징을 갖는 세포 이미지를 위주로 설정될 수 있다.
이 경우, 전술한 유사도 판단 및 세포 검증은 해당 형상의 세포를 기준으로 수행될 수 있다. 이에 따라, 세포의 종류에 따른 계수가 가능할 수 있다. 또한, 복수의 종류의 세포에 대하여 각각 구분하여 기분 이미지 및 예시 이미지를 설정함으로써, 세포의 종류별 계수도 가능할 수 있다.
이에 따르면, 유사도 판단에 따른 후보 위치 결정 및 학습 결과에 기초한 세포의 존재 여부 검증을 수행함으로써, 광학렌즈 등과 같은 추가적인 장비, 소프트웨어적 이미지 보정 또는 염색 및 형광작업 등과 같은 추가적인 작업 등이 없이도 보다 정확하게 세포를 계수할 수 있다. 또한, 혈액 이미지 내에서 세포와 관련이 없는 영역에 대한 검증을 생략할 수 있어, 보다 신속한 계수 및 연산 부담을 경감할 수 있다. 또한, 결정된 후보 위치에 대한 심층 검사를 수행함으로써, 배경의 밝기나 빛의 간섭 등에 의해 흐릿하게 나타나는 세포에 대한 계수의 정확도를 극대화할 수 있다.
본 개시에 따른 세포 계수 방법은, 도 1 및 도 2를 참조하여 설명한 세포 계수 장치(100)에서 구현될 수 있다. 이하 필요한 도면들을 참조하여, 본 개시에 따른 세포 계수 방법과, 이를 구현하기 위한 세포 계수 장치(100)의 동작을 상세히 설명하기로 한다.
도 11은 본 개시의 일 실시예에 따른 세포 계수 방법에 대한 흐름도이다.
도 11을 참조하면, 세포 계수 장치는 소정의 기준 이미지에 기초하여 산출된 유사도에 따라 혈액 이미지에서 세포가 존재할 수 있는 후보 위치를 결정할 수 있다[S110]. 세포 계수 장치는 촬영 장치에서 촬영된 혈액 이미지에 포함된 세포를 계수할 수 있다. 또는, 저장 장치에 저장된 혈액 이미지나 통신 장치를 통하여 수신된 혈액 이미지에 포함된 세포를 계수할 수 있다.
세포 계수 장치는 우선적으로, 혈액 이미지 내에서 세포가 존재할 수 있는 후보 위치를 결정할 수 있다. 이를 위하여, 세포 계수 장치는 미리 저장된 소정의 기준 이미지를 이용하여 혈액 이미지를 스캔할 수 있다. 세포 계수 장치는 혈액 이미지의 각 영역에 대하여 기준 이미지와의 유사도를 산출하고, 산출된 유사도가 소정의 임계값보다 높은 영역을 후보 위치로 결정할 수 있다.
다시, 도 11을 참조하면, 세포 계수 장치는 세포에 대한 복수의 예시 이미지를 학습한 학습 결과에 기초하여 후보 위치에 세포가 존재하는지를 검증할 수 있다[S120]. 세포 계수 장치는 결정된 후보 위치에 대하여 소정의 머신 러닝 기법을 적용하여 세포가 존재하는지를 검증할 수 있다. 이를 위하여, 세포 계수 장치는 세포와 관련된 복수의 예시 이미지를 학습하고 학습 결과를 저장 장치에 저장할 수 있다.
다시, 도 11을 참조하면, 세포 계수 장치는 세포가 존재하는 것으로 검증된 후보 위치를 계수할 수 있다[S130]. 세포 계수 장치는 검증된 후보 위치를 계수하여 혈액 이미지 내의 세포를 계수할 수 있다.
이에 따르면, 유사도 판단에 따른 후보 위치 결정 및 학습 결과에 기초한 세포의 존재 여부 검증을 수행함으로써, 보다 신속한 계수 및 연산 부담을 경감할 수 있고, 별도의 추가적인 장비나 작업 등이 없이도 정확하게 세포를 계수할 수 있는 효과가 있다.
이하에서는, 관련 도면을 참조하여, 세포 계수 장치의 동작을 구체적으로 설명하기로 한다.
도 12는 본 개시의 일 실시예에 따른 유사도 판단을 설명하기 위한 흐름도이다. 도 13은 본 개시의 일 실시예에 따른 세포 존재 검증을 설명하기 위한 흐름도이다.
도 12를 참조하면, 세포 계수 장치는 촬영 장치에서 촬영된 혈액 이미지를 입력받을 수 있다(S210). 촬영된 혈액 이미지에는 세포의 그림자나 빛의 간섭 등에 의하여 선명도가 낮은 흐릿한 세포 이미지가 포함될 수 있다. 흐릿한 세포 이미지의 경우, 배경 이미지와 구분하기 어려워 종래의 소프트웨어 기반의 세포 계수 방법으로는 세포 계수에 어려움이 발생할 수 있다.
세포 계수 장치는 혈액 이미지의 비교 영역들과 소정의 기준 이미지의 유사도를 산출할 수 있다(S220). 세포 계수 장치는 혈액 이미지 내에서 소정의 기준 이미지를 이동시키면서, 기준 이미지와 동일한 크기의 비교 영역들과 비교할 수 있다. 소정의 기준 이미지는 혈액 이미지에서 세포가 존재할 수 있는 후보 위치를 결정하기 위해 미리 설정될 수 있다. 예를 들어, 도 5에 도시된 일반적인 세포 이미지들 중 적어도 하나가 기준 이미지로 설정될 수 있다. 기준 이미지로 이용되는 일반적인 세포 이미지들의 개수는 필요에 따라 다르게 설정될 수 있다.
세포 계수 장치는 기준 이미지와 비교 영역들 각각을 비교하여, 유사도를 산출할 수 있다. 전술한 것과 같이, 기준 이미지는 일반적인 세포 이미지이므로, 기준 이미지와 유사도가 높다는 것은 해당 비교 영역에 세포 이미지가 나타날 확률이 높다는 것을 의미할 수 있다. 즉, 기준 이미지와의 유사도는 해당 비교 영역에 세포가 존재할 수 있는 확률값을 의미할 수 있다.
일 예에 따라, 세포 계수 장치는 기준 이미지를 기반으로 혈액 이미지를 지그재그 스캔(zig-zag scanning) 방식으로 탐색할 수 있다. 이 경우, 세포 계수 장치는 기준 이미지를 지그재그로 이동시키면서, 기준 이미지와 동일한 크기의 각 비교 영역들과 기준 이미지들을 서로 비교할 수 있다.
일 예에 따라, 상기 비교 전에 혈액 이미지들은 기준 이미지와 동일한 크기의 비교 영역들로 구분될 수 있다. 세포 계수 장치는 기준 이미지와 구분된 각 비교 영역들을 각각 비교할 수 있다. 예를 들어, 비교 영역은, 9 x 9 픽셀들로 구성될 수 있다. 즉, 기준 이미지의 크기도 9 x 9 픽셀으로 구성될 수 있다. 다만, 이는 일 예로서, 이에 한정되는 것은 아니며, 필요에 따라 다른 크기로 설정될 수 있다.
일 예에 따라, 세포 계수 장치는 NCC 알고리즘을 이용하여 비교 영역들 각각과 기준 이미지 사이의 유사도를 산출할 수 있다. 세포 계수 장치는 NCC 알고리즘을 이용하여 기준 이미지와 비교 영역 사이의 NCC 값을 산출할 수 있다. 이 경우, NCC 값은 두 이미지의 유사도가 높을 수록 1에 가까운 값으로 산출되며, 유사도가 낮을수록 0에 가까운 값을 산출된다.
다시, 도 12를 참조하면, 세포 계수 장치는 산출된 유사도를 소정의 임계값과 비교할 수 있다(S230). 통상적으로, 일반적인 세포 이미지의 강도가 큰 편차를 가지며 변동하는데 비하여, 흐릿한 세포 이미지의 강도는 배경 노이즈와 유사하게 강도의 변동 폭이 작게 나타난다. 일반적인 세포 이미지의 경우, 기준 이미지가 일반적인 세포 이미지로 설정되므로, 기준 이미지와의 유사도가 크게 나타난다. 또한, 흐릿한 세포 이미지의 경우에도 변동 폭은 작지만 일반적인 세포 이미지의 강도와 유사한 굴곡의 강도 그래프를 나타내므로, 기준 이미지와의 유사도는 배경 노이즈보다 조금 더 크게 나타날 수 있다.
세포 계수 장치는 혈액 이미지에서 최대한 모든 세포 이미지가 후보 위치로 결정되고, 배경 노이즈가 후보 위치로 결정되는 것을 최소화하기 위해서, 적절한 임계값을 설정할 수 있다. 일 예에 따라, 임계값은 혈액 이미지에 포함된 세포 이미지의 선명도에 기초하여 설정될 수 있다.
기준 이미지와 유사도가 높은 일반적인 이미지들의 경우, 1과 근접한 NCC 값의 분포를 가지며, 흐릿한 이미지들의 경우, 일반적인 이미지들보다는 다소 낮고 배경 노이즈들보다는 다소 높은 NCC 값의 분포를 가지게 된다. 세포 계수 장치는 최대한 모든 세포 영역을 포함하고 배경 노이즈 영역을 최소화하기 위해서, 흐릿한 세포 이미지의 NCC 값 분포의 최소값을 임계값으로 설정할 수 있다.
만약, 산출된 유사도가 임계값보다 낮은 경우(S230, No), 세포 계수 장치는 임계값보다 낮은 유사도를 갖는 비교 영역을 노이즈로 결정할 수 있다[S260]. 산출된 유사도가 임계값보다 높은 경우(S230, Yes), 세포 계수 장치는 임계값보다 높은 유사도를 갖는 비교 영역을 후보 위치로 결정할 수 있다[S240]. 이 경우, 일반적인 세포 이미지들과 흐릿한 세포 이미지들이 전부 후보 위치로 결정될 수 있다. 다만, 배경 노이즈들 중에서 임계값보다 높은 NCC 값을 갖는 노이즈들도 같이, 후보 위치로 결정될 수 있다.
다시, 도 12를 참조하면, 세포 계수 장치는 혈액 이미지에서 결정된 후보 위치에 제1 마커를 표시할 수 있다[S250]. 일 예에 따라, 제1 마커들이 표시된 혈액 이미지는 별도의 디스플레이를 통하여 출력될 수 있다. 상기 디스플레이는 세포 계수 장치에 구비되거나, 세포 계수 장치와 전기적으로 연결된 별도의 장치로 구성될 수 있다.
이에 따르면, 적절한 임계값을 설정하여 혈액 이미지에서 세포 이미지를 최대한 포함하는 후보 위치를 결정함으로써, 이후 단계에서 세포 이미지에 대한 검증 대상이 되는 영역을 후보 위치만으로 감소시킬 수 있어, 상대적으로 시간이 소요되는 검증 과정이 보다 신속하게 수행될 수 있다.
도 13을 참조하면, 세포 계수 장치는 결정된 후보 위치에 대하여 세포가 존재하는지를 검증할 수 있다. 세포 계수 장치는 후보 위치가 표시된 혈액 이미지에 대하여, 검증에 적용되는 분석 모델에서 요구되는 크기로 후보 위치를 포함하는 후보 이미지를 구분할 수 있다[S310]. 일 예에 따라, 세포 계수 장치는 후보 이미지를 분석 모델에 적용될 수 있는 크기로 크로핑할 수 있다.
세포 계수 장치는 분석 모델을 적용하여 후보 이미지에 대하여 실제로 세포 이미지가 포함되어 있는지에 대한 검증을 수행할 수 있다[S320]. 이를 위하여, 세포 계수 장치는 머신 러닝을 기반으로 미리 세포에 대한 복수의 예시 이미지를 학습할 수 있다. 세포에 대한 예시 이미지는, 일반적인 세포 이미지, 흐릿한 세포 이미지 뿐 아니라 배경 노이즈 등 세포의 검증에 이용될 수 다양한 이미지를 포함할 수 있다. 학습 결과는 저장 장치에 저장될 수 있다. 또한, 일 예에 따라, 세포 계수 장치는 후보 이미지의 검증 결과를 반영하여 저장된 학습 결과를 업데이트할 수 있다.
일 예에 따라, 세포 계수 장치는 세포 검증을 위한 분석 모델로 CNN 알고리즘을 포함할 수 있다. 세포 계수 장치는 CNN 알고리즘을 적용하여, 후보 이미지에 세포 이미지가 포함되어 있는지를 검증할 수 있다.
세포 계수 장치는 세포 이미지를 포함하고 있는 것으로 검증된 후보 이미지에 대응하는 혈액 이미지 상의 후보 위치에 제2 마커를 표시할 수 있다[S330]. 또한, 세포 계수 장치는 세포 이미지를 포함하고 있지 않은 것으로 검증된 후보 이미지에 대응하는 혈액 이미지 상의 후보 위치에 대해서는 제2 마커를 표시하지 않을 수 있다. 따라서, 제1 마커의 수에 비하여 제2 마커의 수는 줄어들게 되며, 이는, 유사도 값이 임계값보다 높았던 노이즈들이 분석 모델을 이용한 검증에 의하여 제거된 것을 의미한다.
일 예에 따라, 제2 마커들이 표시된 혈액 이미지는 별도의 디스플레이를 통하여 출력될 수 있다. 상기 디스플레이는 세포 계수 장치에 구비되거나, 세포 계수 장치와 전기적으로 연결된 별도의 장치로 구성될 수 있다.
이에 따르면, 탐색부에서 결정된 후보 위치들에 대하여 세포 이미지가 존재하는지에 대한 이차적인 검증을 수행함으로써, 세포 계수를 보다 정확하게 수행할 수 있다.
이에 따르면, 유사도 판단에 따른 후보 위치 결정 및 학습 결과에 기초한 세포의 존재 여부 검증을 수행함으로써, 광학렌즈 등과 같은 추가적인 장비, 소프트웨어적 이미지 보정 또는 염색 및 형광작업 등과 같은 추가적인 작업 등이 없이도 보다 정확하게 세포를 계수할 수 있다. 또한, 유사도 판단에 따라 혈액 이미지 내에서 세포가 존재할 수 있는 후보 위치를 결정함으로써, 혈액 이미지 내에서 세포와 관련이 없는 영역에 대한 검증을 생략할 수 있어, 보다 신속한 계수 및 연산 부담을 경감할 수 있다. 또한, 결정된 후보 위치에 대한 심층 검사를 수행함으로써, 배경의 밝기나 빛의 간섭 등에 의해 흐릿하게 나타나는 세포에 대한 계수의 정확도를 극대화할 수 있다.
이상에서, 본 개시의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 개시는 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 개시의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 개시의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 개시의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체, 등이 포함될 수 있다.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재될 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥 상의 의미와 일치하는 것으로 해석되어야 하며, 본 개시에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 개시의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 개시의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 개시에 개시된 실시예들은 본 개시의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 개시의 기술 사상의 범위가 한정되는 것은 아니다. 본 개시의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 개시의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 세포 계수 시스템 100: 세포 계수 장치
110: 탐색부 130: 검증부
150: 계수부 200: 촬영 장치
300: 저장 장치 400: 통신 장치

Claims (20)

  1. 소정의 기준 이미지에 기초하여 산출된 유사도에 따라 혈액 이미지에서 세포가 존재할 수 있는 후보 위치를 결정하는 탐색부;
    세포에 대한 복수의 예시 이미지를 학습한 학습 결과에 기초하여 상기 후보 위치에 세포가 존재하는지를 검증하는 검증부; 및
    세포가 존재하는 것으로 검증된 후보 위치를 계수하는 계수부;
    를 포함하고,
    상기 탐색부는,
    상기 혈액 이미지 내에서 상기 기준 이미지를 이동시키면서, 정규 상호 상관(Normalized Cross Correlation; NCC) 알고리즘을 이용하여 상기 기준 이미지와 동일한 크기의 비교 영역들과 상기 기준 이미지 사이의 유사도를 산출하고, 상기 산출된 유사도가 소정의 임계값보다 높은 비교 영역을 상기 후보 위치로 결정하되,
    상기 기준 이미지에 기초하여 혈액 이미지에 포함된 세포 이미지 중에서 선명도가 소정의 기준보다 흐릿한 세포 이미지들의 유사도에 따른 NCC 값 분포를 사분범위(interquartile range; IQR)로 나타내고, 상기 흐릿한 세포 이미지들의 NCC 값 분포의 최솟값을 상기 임계값으로 설정하는 세포 계수 장치.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제 1 항에 있어서,
    상기 비교 영역은,
    9 x 9 픽셀들로 구성되는 세포 계수 장치.
  7. 제 1 항에 있어서,
    상기 탐색부는,
    상기 혈액 이미지에서 상기 후보 위치에 제1 마커를 표시하는 세포 계수 장치.
  8. 제 1 항에 있어서,
    상기 검증부는,
    상기 검증에 적용되는 분석 모델에서 요구되는 크기로 상기 후보 위치를 포함하는 후보 이미지를 구분하고, 상기 후보 이미지에 대하여 상기 검증을 수행하는 세포 계수 장치.
  9. 제 8 항에 있어서,
    상기 분석 모델은,
    컨볼루션 신경망(Convolutional Neural Network; CNN) 알고리즘을 포함하는 세포 계수 장치.
  10. 제 1 항에 있어서,
    상기 검증부는,
    상기 혈액 이미지에서 상기 세포가 존재하는 것으로 검증된 후보 위치에 제2 마커를 표시하는 세포 계수 장치.
  11. 세포 계수 장치에 의해 수행되는 세포 계수 방법에 있어서,
    소정의 기준 이미지에 기초하여 산출된 유사도에 따라 혈액 이미지에서 세포가 존재할 수 있는 후보 위치를 결정하는 단계;
    세포에 대한 복수의 예시 이미지를 학습한 학습 결과에 기초하여 상기 후보 위치에 세포가 존재하는지를 검증하는 단계; 및
    세포가 존재하는 것으로 검증된 후보 위치를 계수하는 단계;
    를 포함하고,
    상기 후보 위치를 결정하는 단계는,
    상기 혈액 이미지 내에서 상기 기준 이미지를 이동시키면서, 정규 상호 상관(Normalized Cross Correlation; NCC) 알고리즘을 이용하여 상기 기준 이미지와 동일한 크기의 비교 영역들과 상기 기준 이미지 사이의 유사도를 산출하고, 상기 산출된 유사도가 소정의 임계값보다 높은 비교 영역을 상기 후보 위치로 결정하되,
    상기 기준 이미지에 기초하여 혈액 이미지에 포함된 세포 이미지 중에서 선명도가 소정의 기준보다 흐릿한 세포 이미지들의 유사도에 따른 NCC 값 분포를 사분범위(interquartile range; IQR)로 나타내고, 상기 흐릿한 세포 이미지들의 NCC 값 분포의 최솟값을 상기 임계값으로 설정하는 세포 계수 방법.
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 제 11 항에 있어서,
    상기 비교 영역은,
    9 x 9 픽셀들로 구성되는 세포 계수 방법.
  17. 제 11 항에 있어서,
    상기 후보 위치를 결정하는 단계는,
    상기 혈액 이미지에서 상기 후보 위치에 제1 마커를 표시하는 세포 계수 방법.
  18. 제 11 항에 있어서,
    상기 세포가 존재하는지를 검증하는 단계는,
    상기 검증에 적용되는 분석 모델에서 요구되는 크기로 상기 후보 위치를 포함하는 후보 이미지를 구분하고, 상기 후보 이미지에 대하여 상기 검증을 수행하는 세포 계수 방법.
  19. 제 18 항에 있어서,
    상기 분석 모델은,
    컨볼루션 신경망(Convolutional Neural Network; CNN) 알고리즘을 포함하는 세포 계수 방법.
  20. 제 11 항에 있어서,
    상기 세포가 존재하는지를 검증하는 단계는,
    상기 혈액 이미지에서 상기 세포가 존재하는 것으로 검증된 후보 위치에 제2 마커를 표시하는 세포 계수 방법.
KR1020190019858A 2019-02-20 2019-02-20 세포 계수 장치 및 방법 KR102257998B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190019858A KR102257998B1 (ko) 2019-02-20 2019-02-20 세포 계수 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190019858A KR102257998B1 (ko) 2019-02-20 2019-02-20 세포 계수 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20200102034A KR20200102034A (ko) 2020-08-31
KR102257998B1 true KR102257998B1 (ko) 2021-05-31

Family

ID=72234417

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190019858A KR102257998B1 (ko) 2019-02-20 2019-02-20 세포 계수 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102257998B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102505687B1 (ko) * 2020-11-30 2023-03-03 디투이모션(주) 혈구계산기를 이용한 반자동 세포 계수 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011250811A (ja) * 2008-09-25 2011-12-15 Konica Minolta Medical & Graphic Inc 医用画像処理装置及びプログラム
KR101924285B1 (ko) * 2017-05-24 2018-11-30 한국산업기술대학교산학협력단 미생물 자동 카운팅 방법 및 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102294194B1 (ko) * 2014-08-05 2021-08-26 삼성전자주식회사 관심영역의 시각화 장치 및 방법
KR101700887B1 (ko) 2015-07-24 2017-02-02 한밭대학교 산학협력단 영상 처리를 이용한 세포 계수 장치 및 방법, 이를 실행시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011250811A (ja) * 2008-09-25 2011-12-15 Konica Minolta Medical & Graphic Inc 医用画像処理装置及びプログラム
KR101924285B1 (ko) * 2017-05-24 2018-11-30 한국산업기술대학교산학협력단 미생물 자동 카운팅 방법 및 장치

Also Published As

Publication number Publication date
KR20200102034A (ko) 2020-08-31

Similar Documents

Publication Publication Date Title
US11457138B2 (en) Method and device for image processing, method for training object detection model
CN108577803B (zh) 基于机器学习的眼底图像检测方法、装置及系统
US20200019760A1 (en) Three-dimensional living-body face detection method, face authentication recognition method, and apparatuses
CN108596895B (zh) 基于机器学习的眼底图像检测方法、装置及系统
JP5793508B2 (ja) 複数の焦点面を用いた細胞特性決定
US20120230553A1 (en) Apparatus and method for detecting eye state
CN111212594B (zh) 电子设备和利用电子设备确定结膜充血程度的方法
CN110059666B (zh) 一种注意力检测方法及装置
CN109661668B (zh) 用于虹膜识别的图像处理方法和系统
CN110490196B (zh) 主体检测方法和装置、电子设备、计算机可读存储介质
JP2009168572A (ja) 画像処理装置および画像処理プログラム
CN112836653A (zh) 人脸隐私化方法、设备、装置及计算机存储介质
KR102257998B1 (ko) 세포 계수 장치 및 방법
CN110688926B (zh) 主体检测方法和装置、电子设备、计算机可读存储介质
KR20160146355A (ko) 이미지 내의 텍스트를 검출하는 방법 및 장치
CN114998980B (zh) 一种虹膜检测方法、装置、电子设备及存储介质
CN115242979A (zh) 应用于血液拍摄的对焦方法及系统、智能设备及存储介质
CN106650252A (zh) 一种数据处理方法及装置
CN111275045A (zh) 图像的主体识别方法、装置、电子设备和介质
CN115423804B (zh) 影像标定方法及装置、影像处理方法
KR102383495B1 (ko) 의료 영상데이터 추출 방법
CN107977644A (zh) 基于图像采集设备的图像数据处理方法及装置、计算设备
CN110717908B (zh) 病理图片的处理方法
CN111250429B (zh) 密封缺陷的检测方法及装置
CN112749607B (zh) 基于人工智能的图像识别方法及装置

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant