KR20040050445A - 세포 영상 분석 시스템에서의 세포 영상 분할 방법 - Google Patents

세포 영상 분석 시스템에서의 세포 영상 분할 방법 Download PDF

Info

Publication number
KR20040050445A
KR20040050445A KR1020020078287A KR20020078287A KR20040050445A KR 20040050445 A KR20040050445 A KR 20040050445A KR 1020020078287 A KR1020020078287 A KR 1020020078287A KR 20020078287 A KR20020078287 A KR 20020078287A KR 20040050445 A KR20040050445 A KR 20040050445A
Authority
KR
South Korea
Prior art keywords
cell
image
boundary
snake
extracting
Prior art date
Application number
KR1020020078287A
Other languages
English (en)
Other versions
KR100472069B1 (ko
Inventor
전병태
이형구
조수현
정연구
박선희
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR10-2002-0078287A priority Critical patent/KR100472069B1/ko
Publication of KR20040050445A publication Critical patent/KR20040050445A/ko
Application granted granted Critical
Publication of KR100472069B1 publication Critical patent/KR100472069B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 세포 영상 분석 시스템에서의 세포 영상 분할 방법에 관한 것으로, 개선된 스네이크 영상 분할 방법을 이용하여 시간에 따라 변화하는 세포 영역을 효과적으로 분할 할 수 있는 세포 영상 분석 시스템에서의 세포 영상 분할 방법과 상기 방법을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하며, 입력된 전체영상에서 대표 영상을 추출하고, 각 세포의 경계선을 추출하여 첫 번째 영상의 스네이크 초기점으로 설정하는 제 1 단계; 상기 첫 번째 영상에서 세포의 경계선을 추출하여 다음 영상의 스네이크 초기점으로 설정하는 제 2 단계; 상기 제 2 단계에서 설정된 스네이크 초기점이 세포의 경계선 근처에 있는지 판단하는 제 3 단계; 상기 제 3 단계의 판단 결과, 세포의 경계선 근처에 있으면 유클리디언 거리 값으로 세포의 경계선을 추출하는 제 4 단계; 및 상기 제 3 단계의 판단 결과, 세포의 경계선 근처에 있지 않으면 블록 매칭을 수행하여 세포의 경계선까지 스네이크 점을 유도하고 상기 제 3 단계의 세포의 경계선 근처에 있는지 판단하는 과정으로 진행하는 제 5 단계를 포함하고, 바이오 영상 처리 시스템 등에 이용됨.

Description

세포 영상 분석 시스템에서의 세포 영상 분할 방법{A method for cell image segmentation for development of cell-based assay system}
본 발명은 생물 정보학(bioinformatics)에서 영상처리에 기반한 세포 분석기술 분야 중 세포 영상 영역 분할(cell image segmentation)에 관한 것으로, 더욱 상세하게는 바이오 영상 처리 시스템 중에서 세포 분석 시스템(Cell-based assay system) 구축을 위한 효과적인 세포 영상 분할(cell image segmentation) 방법과 상기 방법을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 관한 것이다.
살아있는 세포에 특정 물질 또는 신약을 투여했을 때 반응하는 세포의 변화 정보를 추출/분석하는 시스템인 세포 분석 시스템(cell-based assay system)은 생물 정보 분석 분야에 중요한 기술이다.
한편, 세포 영상은, 위치는 고정적이나 시간의 변화에 따라 세포의 모양 및 크기가 변화한다. 따라서, 세포 영상을 분할하여 분석하는데 어려움이 있다.
영상 분할 방법에는 영역 기반(region-based) 영역 분할과 화소 기반(pixel- based) 영역 분할로 나뉘며, 영역 기반 영역 분할 방법으로 스네이크(Snake) 방법이 있다.
기존의 스네이크 알고리즘은 에너지 함수를 최소화하는 방향으로 스네이크 점들이 반복적으로 움직여가며 세포의 경계를 찾아내는 방법이다. 각 스네이크 포인트마다 가중치를 두어 안정적이고 빠르게 단일 세포의 경계를 찾는 그리디 스네이크(greedy snake)를 제안하였는데 그 내용을 보면 다음과 같다.
i=0,..,N-1 일 때가 경계선(Contour) 상의 스네이크 점들이라고 하면,,는 i 번째 스네이크 점의 x, y 좌표를 나타낸다.
i 번째 스네이크 점는 이전 스네이크 점인와 이후 스네이크 점인를 이용하여 이웃하는 점들 중 에너지가 가장 최소가 되는 점으로 이동하게 된다.
스네이크 점들을 움직이게 하는 에너지 함수는 하기 [수학식 1]과 같이 나타낸다.
여기서,이 되며 스네이크 점들 간의 사이거리를 균일하게 하는 에너지를 나타내며,이 되며 스네이크의 굽어짐(rigidity)을 제어하는 에너지로 스네이크 점을 윤곽선 안쪽으로 끌어당긴다. 그리고,가 되며 영상의 에지 강도(Edge Intensity)와 같은 에너지로 나타낸다.
그러나, 기존의 스네이크 방법은 에너지가 오목한 부분에 접근하지 못하는 단점을 가지고 있으며, 초기 스네이크 점(snake point)을 자동으로 결정하기 어려운 문제점이 있었다.
본 발명은, 상기한 바와 같은 문제점을 해결하기 위하여 제안된 것으로, 개선된 스네이크 영상 분할 방법을 이용하여 시간에 따라 변화하는 세포 영역을 효과적으로 분할 할 수 있는 세포 영상 분석 시스템에서의 세포 영상 분할 방법과 상기 방법을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는데 그 목적이 있다.
도 1 은 본 발명에 따른 세포 영상 분석 시스템에서의 세포 영상 분할 방법에 대한 일실시예 흐름도.
도 2a 및 2b 는 본 발명에 따른 전체영상을 이용하여 대표 영상 추출 과정을 나타낸 일실시예 설명도.
도 3 은 본 발명에 따른 개선된 스네이크 영상 분할 방법에 대한 일실시예 설명도.
도 4 는 본 발명에 따른 블록 매칭 과정을 나타낸 일실시예 설명도.
도 5 는 본 발명에 따른 유클리디언 거리를 적용한 스네이크 방법 적용 과정을 나타낸 일실시예 설명도.
상기 목적을 달성하기 위한 본 발명의 방법은, 세포 영상 분석 시스템에서의 세포 영상 분할 방법에 있어서, 입력된 전체영상에서 대표 영상을 추출하고, 각 세포의 경계선을 추출하여 첫 번째 영상의 스네이크 초기점으로 설정하는 제 1 단계; 상기 첫 번째 영상에서 세포의 경계선을 추출하여 다음 영상의 스네이크 초기점으로 설정하는 제 2 단계; 상기 제 2 단계에서 설정된 스네이크 초기점이 세포의 경계선 근처에 있는지 판단하는 제 3 단계; 상기 제 3 단계의 판단 결과, 세포의 경계선 근처에 있으면 유클리디언 거리 값으로 세포의 경계선을 추출하는 제 4 단계; 및 상기 제 3 단계의 판단 결과, 세포의 경계선 근처에 있지 않으면 블록 매칭을 수행하여 세포의 경계선까지 스네이크 점을 유도하고 상기 제 3 단계의 세포의 경계선 근처에 있는지 판단하는 과정으로 진행하는 제 5 단계를 포함하는 것을 특징으로 한다.
한편, 본 발명은, 세포 영상 분할을 위해, 대용량 프로세서를 구비한 세포 영상 분석 시스템에, 입력된 전체영상에서 대표 영상을 추출하고, 각 세포의 경계선을 추출하여 첫 번째 영상의 스네이크 초기점으로 설정하는 제 1 기능; 상기 첫번째 영상에서 세포의 경계선을 추출하여 다음 영상의 스네이크 초기점으로 설정하는 제 2 기능; 상기 제 2 기능에서 설정된 스네이크 초기점이 세포의 경계선 근처에 있는지 판단하는 제 3 기능; 상기 제 3 기능의 판단 결과, 세포의 경계선 근처에 있으면 유클리디언 거리 값으로 세포의 경계선을 추출하는 제 4 기능; 및 상기 제 3 기능의 판단 결과, 세포의 경계선 근처에 있지 않으면 블록 매칭을 수행하여 세포의 경계선까지 스네이크 점을 유도하고 상기 제 3 기능의 세포의 경계선 근처에 있는지 판단하는 과정으로 진행하는 제 5 기능을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
상술한 목적, 특징들 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명한다.
도 1 은 본 발명에 따른 세포 영상 분석 시스템에서의 세포 영상 분할 방법에 대한 일실시예 흐름도이다.
먼저, 세포 영상의 특징은 시간에 따라 모양 및 형태가 변화하는 동영상으로 볼 수 있다.
본 발명에서는 전체영상에서 대표 영상을 추출하여 자동으로 스네이크 초기점을 구하고(100), 개선된 스네이크 영상 분할 방법을 적용하였다(110).
개선된 스네이크 영상 분할 방법에서는 세포의 오목한 부분에서 에너지 부족 현상으로 정확한 영역 추출의 어려움을 극복하기 위하여 기존 스네이크 방법의 에너지 항을 유클리디안 거리(Eucledian distance) 변환 항으로 변환하였다. 또한,세포의 움직임에 대하여 대응하기 위하여 블록 매칭 방법(ZSAD : Zero mean Sum of Squared Differences)을 적용하여 세포의 경계선 근처 부분을 추출하는 방법을 사용하였다.
상기한 바와 같은, 본 발명에 따른 세포 영상 분석 시스템에서의 세포 영상 분할 방법에 대하여 좀 더 상세히 설명하면 다음과 같다.
먼저, 대표 영상을 추출하고 대표 영상에서 각 세포의 경계선을 추출하여 첫 번째 영상의 스네이크 초기점으로 사용한다. 이는 하기 도 2a 및 2b를 통해 좀 더 상세히 설명한다.
그리고, 첫 번째 영상에서 구해진 세포의 경계선은 다음 영상의 스네이크 초기점으로 사용된다.
한편, 본 발명에서 사용되는 스네이크 방법은 개선된 스네이크 방법을 사용하며, 개선된 스네이크 방법은 하기 도 3 내지 도 5를 이용하여 좀 더 상세히 설명한다.
도 2a 및 2b 는 본 발명에 따른 전체영상을 이용하여 대표 영상 추출 과정을 나타낸 일실시예 설명도이다.
도 2a에 도시된 바와 같이, 영상 F1에서 Fn까지의 전체영상에서 대표 영상(CF)을 추출하는 것이다.
상기 대표 영상을 추출하는 과정은 도 2b를 이용하여 좀 더 상세히 설명한다.
도 2b에 도시된 바와 같이, 대표 영상 추출 방법은, 먼저 전체영상의 합을구하여 하나의 영상으로 만든다(211). 그리고, 영상의 각 화소에 대하여 영상 수를 나누어 평균 영상을 구하여(212) 대표 영상을 구한다. 이것은 하기 [수학식 2]와 같이 나타낸다.
여기서, F는 영상, n은 영상의 개수를 각각 나타낸다.
다음으로, 첫 번째 영상의 스네이크 초기점을 자동으로 지정하기 위하여 대표 영상에서 각 세포의 경계선을 구한다(213). 여기서, 세포의 경계선을 구하기 위하여 대표 영상에 대하여 경계선 검출 연산을 수행하고(214) 경계선 검출 결과를 이치화 한다(215). 그리고, 이치화된 결과에서 각 세포의 윤곽선을 구한 후(216), 대표 영상으로부터 각 세포의 경계선을 구한다. 이렇게 구해진 세포의 경계선은 첫 영상의 초기 스네이크 점으로 설정한다.
도 3 은 본 발명에 따른 개선된 스네이크 영상 분할 방법에 대한 일실시예 설명도이다.
먼저, 초기 스네이크 점들이 세포의 경계선 근처에 있는지 판단한다(301). 여기서, 판단하는 과정은 실질적으로 스네이크에 인접한 이웃 화소들의 에너지를 비교하여 이웃한 화소들 중 세포의 경계선 화소가 있는지를 판단하는 것이다.
상기 판단 결과, 경계선 근처에 있지 않으면 블록 매칭(ZSAD)을 반복적으로수행하고(302), 초기 스네이크 점들이 세포의 경계선 근처에 있으면 유클리드언 거리 값을 이용하여 세포의 경계선을 추출한다(303).
도 4 는 본 발명에 따른 블록 매칭 과정을 나타낸 일실시예 설명도이다.
매 영상의 초기 스네이크는 이전 영상의 결과 영상의 경계선을 이용하게 된다.
세포는 연속된 영상에서 시간에 따라 모양의 변화를 일으키기 때문에 이런 변화를 스네이크 알고리즘을 이용해 분할하기 위해서 세포의 움직임(motion) 또는 변화를 측정해 세포의 경계선까지 스테이크 점을 유도하는 영역기반(region based) 블록 매칭(block matching) 과정을 적용시킨다.
블록 매칭 과정은, 먼저 입력된 영상에 대하여 블록 매칭 값(ZSAD(vi))을 추출하고(401), 스네이크 영상 분할 방법을 적용하여 각 세포의 경계선을 추출한다(402). 이를 좀 더 상세히 설명하면 다음과 같다.
블록 매칭 과정은 기존의 MCE(Motion Compensation Error)가 아닌 계산속도와 매칭의 정확성을 고려하여 ZSAD(Zero mean Sum of Squared Differences)방법을 적용하였다. ZSAD의 식은 하기 [수학식 3]과 같다.
여기서,은 이전 영상,는 현재 영상, 매칭 윈도우 크기는,,는 윈도우내 이미지 평균값을 나타낸다. 그리고,,는 비교하고자 하는 매칭 윈도우의 중앙점(Center Point)로서 스네이크 알고리즘에 적용되면 스네이크 점 또는 스네이크 점에 인접한 이웃점이 된다. 이를 중심으로윈도우 크기만큼 이전 영상(reference frame)과 현재 영상(current frame)을 블록 매칭으로 비교하여 상관성(correlation)이 가장 높은 위치를 찾아 스네이크 점을 이동시킨다. 단, 세포의 실제 경계선(boundary)이 나타났을 경우엔 블록 매칭을 이용하지 않고 세포의 에지정보를 사용함으로써 최종 세포의 경계선(boundary)을 찾아낸다.
스네이크 초기점이 경계선 근처에 없을 경우 제안하는 스네이크 에너지 함수 식은 하기 [수학식 4]와 같다.
""는 스네이크 점에 이웃한 영역에 세포의 경계선이 없을 경우 1로 설정하여 블록 매칭 방법을 적용하고 경계선이 나타난 경우엔 0으로 설정하여 에지정보를 이용한다. 그리고, 에너지 함수에 사용된 가중치 매개변수 "", "", ""는 실험에 의해 각각 1.0, 1.0, 1.2로 가중치를 두어 적용한다.
도 5 는 본 발명에 따른 유클리디언 거리를 적용한 스네이크 방법 적용 과정을 나타낸 일실시예 설명도로서, 상기 도 4도의 반복에 의하여 세포의 경계선 근처점을 찾았을 경우 세포의 정확한 경계선 추출을 위하여 기존 스네이크 에지 항 대신 유클리드 거리 변환 항을 적용하여 세포의 경계선을 추출하는 과정을 나타낸다.
일반적인 스네이크 알고리즘은 윤곽선이 오목(concavity)한 부분의 경우 에너지 부족현상이 일어나 윤곽선을 잘 찾지 못하는 문제가 발생한다. 이는 불특정한 세포 모양에서 문제가 될 수 있기 때문에 이를 해결하기 위해 세포의 에지(edge)영상을 구하고(501), 에지의 유클리드 거리 변환(Euclidean Distance Transform)을 거쳐(502) 스네이크 영상 분할 방법을 적용하여 각 세포의 경계선을 추출한다(503).
이것을 수학식으로 하면 하기 [수학식 5]와 같다.
유클리드 거리 변환은 명암도 영상 또는 에지 영상의 강도(intensity)를 확산(diffusion)시켜 오목면에 대한 에너지 부족현상을 해결할 수 있다.
즉, 상기한 바와 같은 본 발명은, 대표 영상 추출하고 대표 영상에서 스네이크 초기점 추출하여 스네이크 초기점 문제를 해결하였으며, 개선된 스네이크 영상 분할 방법을 이용하여 기존의 문제점을 해결하였다.
또한, 개선된 스네이크 방법은 기존의 에지 항을 유클리디언 거리 변환항으로 변경하고 세포의 경계선을 추출한다. 세포의 경계선 근처가 아니라고 판단될 경우 세포의 경계선까지 블록 매칭 방법을 이용하여 경계선까지 접근하는 방법을 기존의 스네이크 방법에 추가하였다.
상술한 바와 같은 본 발명의 방법은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 형태로 기록매체(씨디롬, 램, 롬, 플로피 디스크, 하드 디스크, 광자기 디스크 등)에 저장될 수 있다.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하다는 것이 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백할 것이다.
상기한 바와 같은 본 발명은, 대표 영상을 추출하여 스네이크 초기 시작점을 자동으로 구해 줌으로써 영역 분할의 자동화를 꾀할 수 있으며, 블록 매칭 항을 추가하고, 에지 에너지 항을 유클리디언 거리 변환 항으로 바꿈으로서 시간에 따라 변화하는 세포 영역을 효과적으로 분할 할 수 있는 효과가 있다.

Claims (6)

  1. 세포 영상 분석 시스템에서의 세포 영상 분할 방법에 있어서,
    입력된 전체영상에서 대표 영상을 추출하고, 각 세포의 경계선을 추출하여 첫 번째 영상의 스네이크 초기점으로 설정하는 제 1 단계;
    상기 첫 번째 영상에서 세포의 경계선을 추출하여 다음 영상의 스네이크 초기점으로 설정하는 제 2 단계;
    상기 제 2 단계에서 설정된 스네이크 초기점이 세포의 경계선 근처에 있는지 판단하는 제 3 단계;
    상기 제 3 단계의 판단 결과, 세포의 경계선 근처에 있으면 유클리디언 거리 값으로 세포의 경계선을 추출하는 제 4 단계; 및
    상기 제 3 단계의 판단 결과, 세포의 경계선 근처에 있지 않으면 블록 매칭을 수행하여 세포의 경계선까지 스네이크 점을 유도하고 상기 제 3 단계의 세포의 경계선 근처에 있는지 판단하는 과정으로 진행하는 제 5 단계
    를 포함하는 세포 영상 분할 방법.
  2. 제 1 항에 있어서,
    상기 제 1 단계는,
    상기 전체영상의 합을 구하여 각 화소에 대하여 영상 수를 나누어 평균 영상을 구하여 대표 영상으로 설정하는 제 6 단계;
    상기 대표 영상에 대하여 경계선 검출 연산을 수행하여 경계선 검출 결과를 이치화하는 제 7 단계; 및
    상기 이치화된 결과에서 각 세포의 윤곽선을 구한 후, 대표 영상으로부터 각 세포의 경계선을 구하는 제 8 단계
    를 포함하는 세포 영상 분할 방법.
  3. 제 1 항에 있어서,
    상기 제 4 단계의 유클리디언 거리 값으로 세포의 경계선을 추출하는 과정은,
    세포의 에지(edge)영상을 구하고, 에지의 유클리드 거리 변환(Euclidean Distance Transform)을 거쳐 스네이크 영상 분할 방법을 적용하여 각 세포의 경계선을 추출하는 것을 특징으로 하는 세포 영상 분할 방법.
  4. 제 3 항에 있어서,
    상기 유클리드 거리 변환은,
    명암도 영상 또는 에지 영상의 강도(intensity)를 확산(diffusion)시켜 오목면에 대한 에너지 부족현상을 해결하여 정확한 경계선 추출을 할 수 있는 것을 특징으로 하는 세포 영상 분할 방법.
  5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
    상기 제 5 단계는,
    입력된 영상에 대하여 하기 [수학식]을 이용하여 블록 매칭 값(ZSAD(vi))을 추출하고, 스네이크 영상 분할 방법을 적용하여 각 세포의 경계선을 추출하는 것을 특징으로 하는 세포 영상 분할 방법.
    [수학식]
    여기서,은 이전 영상,는 현재 영상, 매칭 윈도우 크기는,,는 윈도우내 이미지 평균값, 그리고,,는 비교하고자 하는 매칭 윈도우의 중앙점(Center Point)
  6. 세포 영상 분할을 위해, 대용량 프로세서를 구비한 세포 영상 분석 시스템에,
    입력된 전체영상에서 대표 영상을 추출하고, 각 세포의 경계선을 추출하여첫 번째 영상의 스네이크 초기점으로 설정하는 제 1 기능;
    상기 첫 번째 영상에서 세포의 경계선을 추출하여 다음 영상의 스네이크 초기점으로 설정하는 제 2 기능;
    상기 제 2 기능에서 설정된 스네이크 초기점이 세포의 경계선 근처에 있는지 판단하는 제 3 기능;
    상기 제 3 기능의 판단 결과, 세포의 경계선 근처에 있으면 유클리디언 거리 값으로 세포의 경계선을 추출하는 제 4 기능; 및
    상기 제 3 기능의 판단 결과, 세포의 경계선 근처에 있지 않으면 블록 매칭을 수행하여 세포의 경계선까지 스네이크 점을 유도하고 상기 제 3 기능의 세포의 경계선 근처에 있는지 판단하는 과정으로 진행하는 제 5 기능
    을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR10-2002-0078287A 2002-12-10 2002-12-10 세포 영상 분석 시스템에서의 세포 영상 분할 방법 KR100472069B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR10-2002-0078287A KR100472069B1 (ko) 2002-12-10 2002-12-10 세포 영상 분석 시스템에서의 세포 영상 분할 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR10-2002-0078287A KR100472069B1 (ko) 2002-12-10 2002-12-10 세포 영상 분석 시스템에서의 세포 영상 분할 방법

Publications (2)

Publication Number Publication Date
KR20040050445A true KR20040050445A (ko) 2004-06-16
KR100472069B1 KR100472069B1 (ko) 2005-03-10

Family

ID=37344641

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2002-0078287A KR100472069B1 (ko) 2002-12-10 2002-12-10 세포 영상 분석 시스템에서의 세포 영상 분할 방법

Country Status (1)

Country Link
KR (1) KR100472069B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210111068A (ko) * 2020-03-02 2021-09-10 재단법인대구경북과학기술원 인공신경망을 이용한 심근 세포 모니터링 방법 및 그 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210111068A (ko) * 2020-03-02 2021-09-10 재단법인대구경북과학기술원 인공신경망을 이용한 심근 세포 모니터링 방법 및 그 장치
WO2021177584A1 (ko) * 2020-03-02 2021-09-10 재단법인대구경북과학기술원 인공신경망을 이용한 심근 세포 모니터링 방법 및 그 장치

Also Published As

Publication number Publication date
KR100472069B1 (ko) 2005-03-10

Similar Documents

Publication Publication Date Title
Wei et al. Multi-vehicle detection algorithm through combining Harr and HOG features
CN110175576B (zh) 一种结合激光点云数据的行驶车辆视觉检测方法
CN110428432B (zh) 结肠腺体图像自动分割的深度神经网络算法
WO2019114036A1 (zh) 人脸检测方法及装置、计算机装置和计算机可读存储介质
JP7246104B2 (ja) テキスト行識別に基づくナンバープレート識別方法
CN104978567B (zh) 基于场景分类的车辆检测方法
CN115331245B (zh) 一种基于图像实例分割的表格结构识别方法
JP2008257713A (ja) 透視変換歪み発生文書画像補正装置および方法
CN109685827B (zh) 一种基于dsp的目标检测与跟踪方法
CN110400287B (zh) 结直肠癌ihc染色图像肿瘤侵袭边缘和中心的检测系统及方法
JP6331761B2 (ja) 判定装置、判定方法及び判定プログラム
CN113379739B (zh) 超声图像的识别方法、装置、设备及存储介质
CN112489081A (zh) 一种视觉目标跟踪方法及装置
CN111291587A (zh) 一种基于密集人群的行人检测方法、存储介质及处理器
CN102881017B (zh) 一种细胞分离方法
CN109146918A (zh) 一种基于分块的自适应相关目标定位方法
CN108764343B (zh) 一种跟踪算法中的跟踪目标框的定位方法
CN109543498A (zh) 一种基于多任务网络的车道线检测方法
CN102509308A (zh) 基于混合动态纹理空时显著性检测的运动分割方法
KR100472069B1 (ko) 세포 영상 분석 시스템에서의 세포 영상 분할 방법
CN114612738B (zh) 细胞电镜图像分割模型的训练方法和细胞器互作分析方法
CN111985461A (zh) 轨道车辆编号识别方法及系统
Xu et al. Based on improved edge detection algorithm for English text extraction and restoration from color images
CN116758421A (zh) 一种基于弱监督学习的遥感图像有向目标检测方法
CN113435444B (zh) 免疫层析检测方法、装置、存储介质及计算机设备

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20090202

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee