KR20190115755A - 시냅스 영상 촬영 장치 및 그의 구동 방법 - Google Patents

시냅스 영상 촬영 장치 및 그의 구동 방법

Info

Publication number
KR20190115755A
KR20190115755A KR1020180038831A KR20180038831A KR20190115755A KR 20190115755 A KR20190115755 A KR 20190115755A KR 1020180038831 A KR1020180038831 A KR 1020180038831A KR 20180038831 A KR20180038831 A KR 20180038831A KR 20190115755 A KR20190115755 A KR 20190115755A
Authority
KR
South Korea
Prior art keywords
region
interest
tissue
image
hyperplane
Prior art date
Application number
KR1020180038831A
Other languages
English (en)
Other versions
KR102085755B1 (ko
Inventor
김경태
라종철
김진섭
반상규
Original Assignee
재단법인대구경북과학기술원
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 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020180038831A priority Critical patent/KR102085755B1/ko
Publication of KR20190115755A publication Critical patent/KR20190115755A/ko
Application granted granted Critical
Publication of KR102085755B1 publication Critical patent/KR102085755B1/ko

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G01N2021/177—Detector of the video camera type
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Immunology (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Hematology (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Image Analysis (AREA)

Abstract

시냅스 영상 촬영 장치의 구동 방법이 개시된다. 본 방법은 염색된 시료에서 복수의 절편 조직의 촬영 영상을 획득하는 단계, 복수의 절편 조직에서 뉴런 채널 신호 간 인접 거리가 소정의 조건을 만족하는 데이터에 기초하여 SVM의 초평면을 구성하는 단계, 초평면에 기초하여 검색 대상이 되는 적어도 하나의 절편 조직에서 관심 영역을 선별하는 단계 및 선별된 관심 영역에 대해 SIM 영상을 촬영하는 단계를 포함한다. 이에 따라 시냅스 검출 효율이 향상될 수 있다.

Description

시냅스 영상 촬영 장치 및 그의 구동 방법{APPARATUS FOR PHOTOGRAPHING SYNAPSE IMAGE AND OPERATING MEHTOD THEREOF}
본 발명은 시냅스 영상 촬영 장치 및 그의 구동 방법에 관한 것이다.
축삭은　신경세포와 또다른 신경세포,　근육세포 또는 샘세포를 연결한다. 이러한 축삭의 끝부분과 다른 세포의 접합부를 연접 또는 시냅스(Synapse)라고 한다. 시냅스에는 화학적 시냅스와 전기적 시냅스가 있으며, 시냅스를 통해 전기 또는 화학적 신호가 다른 세포로 전달된다.
시냅스는 전기적, 화학적 신호가 다른 세포(근육이나　신경　등)로 이동하는 통로여서 생물적, 의학적으로 중요하며 이에 시냅스에 대한 연구가 활발하게 진행되고 있다. 시냅스의 구조 및 분포를 확인하기 위한 촬영 방법으로 수 나노미터 단위의 분해능을 가지는 전자 현미경(Electron Microscopy, EM)이 주로 사용된다. 하지만 두꺼운 조직의 이미지를 분석하기가 어렵고, 시료의 염색방법이 매우 제한적이라는 단점이 있다.
광학 현미경을 이용한 배열 단층촬영(Array Tomography, AT)은 시료를 형광 염색하기 때문에 그 방법이나 분석이 전자 현미경의 경우에 비해 다소 쉽다는 이점이 있지만, 굴절 한계(Diffraction Limit) 때문에 200 나노미터의 측면 분해능을 갖고 있다. 이는 시냅스를 촬영했을 때 정탐(True Positive) 확률을 약 80% 정도로 제한하게 된다.
또한, 배열 단층촬영을 수행하는 광학 현미경 및 약 100 나노미터의 측면 분해능을 가지는 초고해상도 촬영기법 중 한가지인 구조화 광원 현미경(Structured Illumination Microscopy, 이하 SIM)을 조합하여 시냅스를 촬영하면 정탐확률은 높아지나 촬영 시간과 노동력이 많이 소요된다.
이에 보다 적은 노력과 적은 비용으로 시냅스를 촬영하는 방법이 필요하다.
한편, 상기와 같은 정보는 본 발명의 이해를 돕기 위한 백그라운드(background) 정보로서만 제시될 뿐이다. 상기 내용 중 어느 것이라도 본 발명에 관한 종래 기술로서 적용 가능할지 여부에 관해, 어떤 결정도 이루어지지 않았고, 또한 어떤 주장도 이루어지지 않는다.
공개특허공보 제10-2012-0100320호(공개일: 2012.9.12)
본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로, 본 발명의 일 실시 예는 시냅스 검출 확률이 높은 영역을 중심적으로 촬영하는 시냅스 영상 촬영 장치를 제안한다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기한 과제를 실현하기 위한 본 발명의 일 실시 예에 따른 시냅스(Synapse) 영상 촬영 장치의 구동 방법은 염색된 시료에서 적어도 하나의 절편 조직의 촬영 영상을 획득하는 단계; 상기 절편 조직에서 서로 다른 뉴런 채널 신호 간 인접 거리가 소정의 조건을 만족하는 데이터에 기초하여 SVM(Support Vector Machine)의 초평면을 구성하는 단계; 상기 초평면에 기초하여 검색 대상이 되는 적어도 하나의 절편 조직에서 관심 영역(ROI, Region Of Interest)을 선별하는 단계; 및 선별된 관심 영역(ROI)에 대해 SIM(Structured Illumination Microscopy) 영상을 촬영하는 단계를 포함할 수 있다.
보다 구체적으로, 상기 관심 영역을 선별하는 단계는, 특정 조직 절편의 소정 부분이 관심영역으로 지정된 경우, 상기 특정 조직 절편에 인접한 인접 조직 절편에서 상기 소정 부분에 대응되는 영역을 관심 영역으로 지정하는 단계를 포함할 수 있다.
보다 구체적으로, 상기 구동 방법은 특정 조직 절편에 대한 영상의 배치 방향에 기초하여 상기 인접 조직 절편의 배치 방향을 조정하는 단계를 더 포함할 수 있다.
보다 구체적으로, 상기 구동 방법은 촬영된 SIM 영상을 조합하여 시냅스를 검출하는 단계를 더 포함할 수 있다.
한편, 상기한 과제를 실현하기 위한 본 발명의 일 실시 예에 따른 시냅스 영상 촬영 장치는 염색된 시료에서 적어도 하나의 절편 조직의 촬영 영상이 획득되는 경우, 상기 절편 조직에서 서로 다른 뉴런 채널 신호 간 인접 거리가 소정의 조건을 만족하는 데이터에 기초하여 SVM(Support Vector Machine)의 초평면을 구성하는 초평면 설정부; 상기 초평면에 기초하여 검색 대상이 되는 적어도 하나의 절편 조직에서 관심 영역(ROI, Region Of Interest)을 선별하는 관심 영역 선별부; 선별된 관심 영역(ROI)에 대해 SIM(Structured Illumination Microscopy) 영상을 촬영하는SIM 영상 촬영부를 포함할 수 있다.
보다 구체적으로, 상기 장치는 제어 모듈을 더 포함하며, 상기 제어 모듈은, 특정 조직 절편의 소정 부분이 관심영역으로 지정된 경우, 상기 특정 조직 절편에 인접한 인접 조직 절편에서 상기 소정 부분에 대응되는 영역이 관심 영역으로 지정되도록 상기 관심 영역 선별부를 제어할 수 있다.
보다 구체적으로, 상기 제어 모듈은, 특정 조직 절편에 대한 영상의 배치 방향에 기초하여 상기 인접 조직 절편의 배치 방향을 조정할 수 있다.
보다 구체적으로, 상기 제어 모듈은, 촬영된 SIM 영상을 조합하여 시냅스를 검출할 수 있다.
본 발명에 따르면, 시냅스 검출 확률이 높은 영역을 중심적으로 촬영하는 시냅스 영상 촬영 장치가 제공됨으로써, 촬영 효율성 및 촬영 경제성이 우수하다.
본 발명에서 얻은 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1(a) 내지 도 1(d)는 현미경을 이용하여 저배율로 촬영된 시료를 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 시냅스 영상 촬영 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 머신비전을 통해 초평면을 설정하는 방법을 나타낸다.
도 4(a) 내지 도 4(d)는 본 발명의 일 실시 예에 따른 시냅스 영상 촬영 장치가 관심영역을 설정하는 방법을 나타낸다.
도 5(a) 내지 도 5(d)는 본 발명의 일 실시 예에 따른 시냅스 영상 촬영 장치가 조직 절편 영상에 영상처리를 수행하는 방법을 나타낸다.
도 6은 본 발명의 일 실시 예에 따른 시냅스 영상 촬영 장치가 초고해상도 시냅스 영상을 저배율로 촬영된 시료에 합성한 것을 나타낸다.
이하 첨부된 도면들을 참조하여 본 발명의 다양한 실시 예를 보다 상세하게 설명한다. 다만, 본 발명을 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.
도 1(a) 내지 도 1(d)는 현미경을 이용하여 저배율로 촬영된 시료를 나타낸다. 여기서, 시료는 다른 종류의 형광 항체들로 염색된 쥐의 뇌 연속 절편 조직을 포함한다. 도 1(a) 내지 도 1(d)는 저배율로 광영역이 촬영된 4개의 연속된 절편 영상을 표현하며, 모자이크 촬영 기법을 통해 얻은 영상들을 접합한 조합을 나타낸다.
시냅스 영상 촬영 장치(도 2의 100)는 도 1(a) 내지 도 1(d)에 촬영된 영상을 추후에 수행될 초고해상도 촬영 지점 계산 및 추후 분석과정에 사용할 수 있다. 이에 현미경은 대략적인 뉴런(Neuron)의 구조를 확인할 수 있는 20 배율의 대물렌즈를 이용할 수 있으며, 도 1(a) 내지 도 1(d)에 도시되지 않은 시료의 모든 절편 조직들이 촬영될 수 있다. 만약, 20 배율보다 작은 10 배율의 대물렌즈를 사용하는 경우, 뉴런의 구조를 확인하기 어려운 바 최소한 20 배율 정도의 대물렌즈가 이용될 수 있으나, 뉴런의 구조가 확인될 수 있다면 다양한 배율의 대물렌즈가 적용될 수 있다.
여기서, 시료는 커버글래스 상에 배치되며, 커버글래스는 24X60 mm 로 구현될 수 있으며, 대략 10 내지 20 개의 미세 절편 조직들이 상기 커버글래스 상에서 관측될 수 있다. 다만, 상술한 다양한 수치는 실시 형태에 따라 다르게 관측될 수 있다.
아울러, 본 명세서에서는 별도의 현미경이 상술한 저배율 절편 조직들을 촬영하는 것으로 개시하나, 본 발명의 일 실시 예에 따른 시냅스 영상 촬영 장치(100)가 상기 저배율 절편 조직을 촬영하는 것으로 구현될 수도 있다.
도 2는 본 발명의 일 실시 예에 따른 시냅스 영상 촬영 장치(100)의 구성을 나타내는 블록도이다.
도 2에 따르면, 시냅스 영상 촬영 장치(100)는 초평면 설정부(110), 관심영역(ROI, Region Of Interest) 선별부(120), 절편 영상 프로세싱부(130), 좌표 변경부(140), SIM(Structured Illumination Microscopy) 영상 촬영부(150), 저장부(160), 제어 모듈(170)을 포함한다. 도 2에 도시된 구성들은 시냅스 영상 촬영 장치(100)를 구현하는데 필수적인 것은 아니여서, 본 명세서 상에서 설명되는 시냅스 영상 촬영 장치(100)는 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
초평면 설정부(110)는 제어 모듈(170)의 제어를 받아 SVM(Support Vector Machine)의 초평면(Hyperplane)을 설정하는 모듈이다. SVM은 데이터들을 설정된 초평면을 기준으로 분류할 수 있다. 초평면 설정부(110)는 초평면을 구성하기 위한 훈련단계에서 주로 사용되는 모듈로, 훈련 단계의 학습 데이터를 통해 초평면을 구성할 수 있다. 훈련 단계의 학습 데이터는 실제 시료와 동일한 배율의 복수의 조직 절편이 사용되는 것이 바람직하다.
SVM에서 초평면이 설정되는 과정은 도 3을 참고하여 설명하기로 한다. 도 3을 참고하면, SVM의 목적은 초평면(WX+B=0)을 선택하는 것이다. 상기 초평면은 반드시 선형적으로 구성되는 것은 아니다. 초평면을 기준으로 마진(Margin) 범위(HP) 내의 데이터들이 배치될 수 있으며, 마진을 벗어난 영역(R1, R2)에도 데이터가 배치될 수 있다. 마진 범위(HP)와 마진을 벗어난 영역(R1, R2)의 경계에는 서포트 벡터(SV1, SV2)가 배치될 수 있다.
다시 도 2로 돌아가서 설명하면, 초평면 설정부(110)는 제1 세포와 제2 세포 사이에 배치되는 시냅스의 성질에 따라, 서로 다른 형광 항체로 염색된 세포 간의 거리가 소정 거리로 인접한 경우, 이를 초평면으로 설정할 수 있으며, 초평면을 기준으로 특정 마진을 포함하는 초평면 영역을 구성할 수 있다.
초평면 설정부(110)는 도 1과 같이 20 배율의 대물렌즈가 적용된 경우 뉴런 채널 신호 간의 거리가 1 픽셀 이내인 데이터들을 초평면으로 설정할 수 있으나, 실시 예가 이에 국한되는 것은 아니다.
훈련 및 학습 단계에서 초평면이 형성되면, 실제 단계에서 관심 영역(ROI)이 선별될 수 있다. 훈련 및 학습 단계는 촬영 단계 이전에 1회 또는 시료의 조건이 바뀌는 경우에 수행될 수 있다.
관심영역 선별부(120)는 실제 촬영을 진행할 시료들의 저배율 광영역 영상들을 입력받아 시냅스가 관찰될 확률이 높은 관심영역(ROI)들을 분류할 수 있다.
아울러, 관심영역 선별부(120)는 주로 실제 시료들의 시냅스 관찰될 확률이 높은 관심영역을 분류할 때 사용되나, 훈련 단계에서 초평면을 구성하기 위해서도 사용될 수 있다. 만약, 관심영역 선별부(120)가 훈련 단계에서 사용되는 경우, 관심영역 선별부(120)는 시냅스가 관찰될 확률이 높은 관심 영역 후보군들을 무작위로 추출하고, 고유 벡터 형태로 분류하여 이에 기초하여 초평면을 형성시킬 수 있다.
관심영역 선별부(120)는 해당 관심영역들에 대해 자동으로 관심 영역인지 아닌지를 판단할 수 있으며, 구현시에는 사용자의 조작에 의해 관심영역들이 실제 시냅스로 될 수 있는지 아닌지가 선택될 수 있다.
제어 모듈(170)은 실제 촬영을 진행할 시료들의 저배율 광영역 영상들을 상기 설정된 초평면을 이용하여 분류할 수 있다. 이런 경우, 제어 모듈(170)은 시냅스로 검출될 수 있는 가능성이 높은 지역만을 분류할 수 있다. 이때, 제어 모듈(170)은 저배율 광영역 영상들을 모두 배열하면 하나의 영상이 될 수 있도록 실제 저배율 광영역 영상들을 조합할 수 있다.
절편 영상 프로세싱부(130)는 실제 시료들의 관심영역들이 선별되면, 절편 영상들을 정렬할 수 있다. 절편 영상 프로세싱부(130)는 시냅스의 삼차원 구조 정보를 얻기 위해 분류된 관심영역과 같은 지점을 앞뒤의 연속된 절편들에서도 관심영역으로 지정할 수 있다. 절편 영상 프로세싱부(130)는 이 정보들은 초고해상도 이미지와의 비교 및 분석을 위해 저장부(160)에 저장할 수 있다.
절편 영상 프로세싱부(130)는 정렬된 정보들이 실제 커버 글라스 위의 샘플의 정보와 다를 수 있기 때문에 실제 위치로 다시 변환하기 위해 재정렬을 수행할 수 있다. 그러면 실제 절편 샘플 상의 관심 영역들의 픽셀 좌표를 알 수 있다. 이를 도면을 참고하여 도 5에서 후술하기로 한다.
좌표 변경부(140)는 관심영역들의 픽셀 좌표를 현미경의 모터 스테이지(Motorized Stage)가 인식할 수 있는 좌표로 변경하는 과정이 필요하다. 좌표 변겅부(140)는 현미경에서 사용하는 대물렌즈와 EMCCD 카메라에 맞게 교정된 고유의 값을 이용하여 좌표 변경을 수행한다.
여기서, 교정값은 이미지의 픽셀 당 거리(㎛/pixel)로 주어진다. 좌표 변경부(140)는 각 절편에서 촬영이 시작되는 쉽게 알아볼 수 있는 표시점(Fiducial marker)을 선택할 수 있다. 절편에서 이 표시점과 가까운 위치에 있는 관심영역 1과 표시점 사이의 거리를 구한 뒤, 교정값을 곱연산하면 ㎛단위의 거리가 나오게 되는데, 현미경의 모터 스테이지는 이 값을 인식할 수 있다. 마찬가지로 관심영역 1과 다음 관심영역 2의 거리를 구한 뒤 교정값을 곱연산하면 관심영역 1과 관심영역 2 사이의 거리(㎛)를 알 수 있다. 이 연산을 각 절편의 모든 관심영역에 대해서 적용하면, 관심영역 사이의 거리를 알 수 있다. 모든 절편에 대한 거리 정보를 엑셀의 형태로 저장부(160)에 저장할 수 있다.
SIM 영상 촬영부(150)는 초고해상도의 영상을 촬영하는 구성으로 초고해상도 SIM 이미지 촬영 자동화 N-SIM 구동 소프트웨어인 Nikon NIS element에 호환하는 자동 SIM 이미지 촬영 매크로(macro)를 실행한 뒤 각 절편의 표시점을 지정하고, 거리 좌표값이 저장된 엑셀 파일이 있는 디렉토리(directory)를 지정할 수 있다. 각 절편의 관심영역에서 표준화된 조건의 SIM 이미지를 얻기 위해 레이저 출력이 조정되며, 출력이 일정 범위 안에 들어오면 이미지 촬영이 시작된다. 미리 지정해 놓은 이미지 분석 값에 의해 각 관심영역에서의 SIM 이미지들이 분석되고 저장된다.
저장부(160)는 다양한 영상 정보를 저장할 수 있으며, 다양한 설정 정보를 저장할 수 있다. 저장부(160)는 제어 모듈(170)의 제어에 따라 다양한 정보를 저장할 수 있으며, 상기 저장부(160)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 드론 물류 기지의 입지를 선정하는 장치(100)는 인터넷(internet)상에서 상기 저장부(160)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작될 수도 있다.
제어 모듈(170)은 상기 시냅스 영상 촬영 장치(100) 및 그의 구성들을 전반적으로 제어하는 모듈이다.
도 4(a) 내지 도 4(d)는 본 발명의 일 실시 예에 따른 시냅스 영상 촬영 장치(100)가 시냅스일 확률이 높은 영역을 선별하는 방법을 나타낸다.
도 4(a) 및 도 4(b)는 뉴런 채널 1(녹색)과 뉴런 채널 2(적색) 간의 거리가 1 픽셀 이내여서 관심영역 후보군으로 선별된 것을 나타낸다. 도 4(c) 및 도 4(d)는 다른 뉴런 채널 간의 인접영역이 표시되지 않아 관심영역 후보군에서 제외되는 것을 나타낸다.
이 경우, 시냅스 영상 촬영 장치(100)는 상기 관심영역 후보군으로 선정된 영역을 자동으로 선택할 수 있으며, 사용자의 조작에 의해 관심영역 후보군으로 선별될 수도 있다.
도 5(a) 내지 도 (d)는 본 발명의 일 실시 예에 따른 절편 영상 프로세싱부(130)가 영상 처리하는 내용을 설명하기 위한 도면이다.
도 5(a)에 따르면, 절편의 관심 영역(R1)이 관찰된다. 절편 영상 프로세싱부(130)는 연속되는 절편의 유사 영역에 관심 영역이 배치될 가능성이 높으므로 인접한 절편(510A, 510C)의 유사 영역을 관심 영역으로 지정하기 위해 도 5(b)와 같이 회전을 수행한다. 이에 절편 영상 프로세싱부(130)는 인접한 절편(530A, 530C)의 관심 영역(R1)의 유사 영역(R2, R3)을 관심 영역(R2, R3)으로 지정한다. 그런 다음, 절편 영상 프로세싱부(130)는 도 5(d)와 같이 다시 절편들의 배열 방향을 원래로 변경할 수 있다.
도 4(a) 내지 도 5(d)의 과정들을 실제의 뇌조직 절편 전체에 수행하면 뇌조직 절편 전체에 대한 시냅스 검출이 수행될 수 있다.
도 6은 본 발명의 일 실시 에에 따른 시냅스 영상 촬영 장치(100)를 이용하여 촬영한 SIM 영상을 나타낸다.
도 6에 도시된 영상은 하나의 절편 조직에서 123개의 ROI로 테스트 한 것(이미지 상에서 왼쪽 부분)을 나타내며, 영상을 확대했을 때 밝은 네모 부분은 SIM 이미지를 나타내고, 이 SIM 이미지들을 20 배율 이미지의 매칭되는 부분에 붙인 것이 표시된다. 이 과정을 모든 절편에 대해서 진행한 뒤 얼라인먼트 과정과 이미지 보정 작업을 거친 뒤에 이미지를 쌓아 올리면 3차원 이미지를 얻을 수 있다.
상술한 바와 같이, 본 발명의 일 실시 예에 따른 시냅스 영상 촬영 장치(100)를 이용하면, 저배율 영상들에서 시냅스가 검출될 확률이 높은 지역이 SVM 을 이용하여 한정될 수 있으며, 한정된 영역만 초고해상도 SIM 촬영을 수행함으로써, 작업 효율성이 우수해진다. 또한, 인력이 최소로 동원되어 촬영 경제성이 우수하다 할 것이다.
한편, 본 명세서에서 설명하는 기능적인 동작과 주제의 구현물들은 디지털 전자 회로로 구현되거나, 본 명세서에서 개시하는 구조 및 그 구조적인 등가물들을 포함하는 컴퓨터 소프트웨어, 펌웨어 혹은 하드웨어로 구현되거나, 이들 중 하나 이상의 결합으로 구현 가능하다. 본 명세서에서 설명하는 주제의 구현물들은 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 제어 시스템의 동작을 제어하기 위하여 혹은 이것에 의한 실행을 위하여 유형의 프로그램 저장매체 상에 인코딩된 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다.
컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장 장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조성물 혹은 이들 중 하나 이상의 조합일 수 있다.
본 명세서에서 "장치"라 함은 예컨대 프로그래머블 프로세서, 컴퓨터 혹은 다중 프로세서나 컴퓨터를 포함하여 데이터를 제어하기 위한 모든 기구, 장치 및 기계를 포괄한다. 제어 시스템은, 하드웨어에 부가하여, 예컨대 프로세서 펌웨어를 구성하는 코드, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제 혹은 이들 중 하나 이상의 조합 등 요청 시 컴퓨터 프로그램에 대한 실행 환경을 형성하는 코드를 포함할 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
한편, 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체는, 예컨대 EPROM, EEPROM 및 플래시메모리 장치와 같은 반도체 메모리 장치, 예컨대 내부 하드디스크나 외장형 디스크와 같은 자기 디스크, 자기광학 디스크 및 CD-ROM과 DVD-ROM 디스크를 포함하여 모든 형태의 비휘발성 메모리, 매체 및 메모리 장치를 포함할 수 있다. 프로세서와 메모리는 특수 목적의 논리 회로에 의해 보충되거나, 그것에 통합될 수 있다.
본 명세서에서 설명한 주제의 구현물은 예컨대 데이터 서버와 같은 백엔드 컴포넌트를 포함하거나, 예컨대 어플리케이션 서버와 같은 미들웨어 컴포넌트를 포함하거나, 예컨대 사용자가 본 명세서에서 설명한 주제의 구현물과 상호 작용할 수 있는 웹 브라우저나 그래픽 유저 인터페이스를 갖는 클라이언트 컴퓨터와 같은 프론트엔드 컴포넌트 혹은 그러한 백엔드, 미들웨어 혹은 프론트엔드 컴포넌트의 하나 이상의 모든 조합을 포함하는 연산 시스템에서 구현될 수도 있다. 시스템의 컴포넌트는 예컨대 통신 네트워크와 같은 디지털 데이터 통신의 어떠한 형태나 매체에 의해서도 상호 접속 가능하다.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 마찬가지로, 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.
또한, 본 명세서에서는 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 시스템 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 시스템들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징될 수 있다는 점을 이해하여야 한다
이와 같이, 본 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하려는 의도가 아니다. 따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (8)

  1. 염색된 시료에서 적어도 하나의 절편 조직의 촬영 영상을 획득하는 단계;
    상기 절편 조직에서 서로 다른 뉴런 채널 신호 간 인접 거리가 소정의 조건을 만족하는 데이터에 기초하여 SVM(Support Vector Machine)의 초평면을 구성하는 단계;
    상기 초평면에 기초하여 검색 대상이 되는 적어도 하나의 절편 조직에서 관심 영역(ROI, Region Of Interest)을 선별하는 단계; 및
    선별된 관심 영역(ROI)에 대해 SIM(Structured Illumination Microscopy) 영상을 촬영하는 단계를 포함하는, 시냅스(Synapse) 영상 촬영 장치의 구동 방법.
  2. 제1항에 있어서,
    상기 관심 영역을 선별하는 단계는,
    특정 조직 절편의 소정 부분이 관심영역으로 지정된 경우, 상기 특정 조직 절편에 인접한 인접 조직 절편에서 상기 소정 부분에 대응되는 영역을 관심 영역으로 지정하는 단계를 포함하는, 시냅스 영상 촬영 장치의 구동 방법.
  3. 제2항에 있어서,
    특정 조직 절편에 대한 영상의 배치 방향에 기초하여 상기 인접 조직 절편의 배치 방향을 조정하는 단계를 더 포함하는, 시냅스 영상 촬영 장치의 구동 방법.
  4. 제1항에 있어서,
    촬영된 SIM 영상을 조합하여 시냅스를 검출하는 단계를 더 포함하는, 시냅스 영상 촬영 장치의 구동 방법.
  5. 염색된 시료에서 적어도 하나의 절편 조직의 촬영 영상이 획득되는 경우, 상기 절편 조직에서 서로 다른 뉴런 채널 신호 간 인접 거리가 소정의 조건을 만족하는 데이터에 기초하여 SVM(Support Vector Machine)의 초평면을 구성하는 초평면 설정부;
    상기 초평면에 기초하여 검색 대상이 되는 적어도 하나의 절편 조직에서 관심 영역(ROI, Region Of Interest)을 선별하는 관심 영역 선별부; 및
    선별된 관심 영역(ROI)에 대해 SIM(Structured Illumination Microscopy) 영상을 촬영하는 SIM 영상 촬영부를 포함하는, 시냅스(Synapse) 영상 촬영 장치.
  6. 제5항에 있어서,
    제어 모듈을 더 포함하며,
    상기 제어 모듈은,
    특정 조직 절편의 소정 부분이 관심영역으로 지정된 경우, 상기 특정 조직 절편에 인접한 인접 조직 절편에서 상기 소정 부분에 대응되는 영역이 관심 영역으로 지정되도록 상기 관심 영역 선별부를 제어하는, 시냅스 영상 촬영 장치.
  7. 제6항에 있어서,
    상기 제어 모듈은,
    특정 조직 절편에 대한 영상의 배치 방향에 기초하여 상기 인접 조직 절편의 배치 방향을 조정하는, 시냅스 영상 촬영 장치.
  8. 제5항에 있어서,
    상기 제어 모듈은,
    촬영된 SIM 영상을 조합하여 시냅스를 검출하는, 시냅스 영상 촬영 장치.
KR1020180038831A 2018-04-03 2018-04-03 시냅스 영상 촬영 장치 및 그의 구동 방법 KR102085755B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180038831A KR102085755B1 (ko) 2018-04-03 2018-04-03 시냅스 영상 촬영 장치 및 그의 구동 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180038831A KR102085755B1 (ko) 2018-04-03 2018-04-03 시냅스 영상 촬영 장치 및 그의 구동 방법

Publications (2)

Publication Number Publication Date
KR20190115755A true KR20190115755A (ko) 2019-10-14
KR102085755B1 KR102085755B1 (ko) 2020-03-06

Family

ID=68171924

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180038831A KR102085755B1 (ko) 2018-04-03 2018-04-03 시냅스 영상 촬영 장치 및 그의 구동 방법

Country Status (1)

Country Link
KR (1) KR102085755B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011244875A (ja) * 2010-05-24 2011-12-08 Ge Medical Systems Global Technology Co Llc 画像処理装置、画像表示装置およびプログラム並びにｘ線ｃｔ装置
KR20120100320A (ko) 2011-03-03 2012-09-12 서울대학교산학협력단 준비전위기반 뇌-컴퓨터 인터페이스 장치 및 방법
JP2016513079A (ja) * 2013-01-24 2016-05-12 タイラートン インターナショナル ホールディングス インコーポレイテッドＴｙｌｅｒｔｏｎ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｈｏｌｄｉｎｇｓ Ｉｎｃ． 神経細胞イメージング及び治療
KR20170099985A (ko) * 2014-12-23 2017-09-01 꼼미사리아 아 레네르지 아토미끄 에뜨 옥스 에너지스 앨터네이티브즈 물체의 초 해상도 이미지를 얻기 위한 이미징 방법 및 시스템
KR20170140127A (ko) * 2017-11-24 2017-12-20 조선대학교산학협력단 Kpca, lda, 및 다중커널학습 svm을 이용한 뇌 이미지 분석방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011244875A (ja) * 2010-05-24 2011-12-08 Ge Medical Systems Global Technology Co Llc 画像処理装置、画像表示装置およびプログラム並びにｘ線ｃｔ装置
KR20120100320A (ko) 2011-03-03 2012-09-12 서울대학교산학협력단 준비전위기반 뇌-컴퓨터 인터페이스 장치 및 방법
JP2016513079A (ja) * 2013-01-24 2016-05-12 タイラートン インターナショナル ホールディングス インコーポレイテッドＴｙｌｅｒｔｏｎ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｈｏｌｄｉｎｇｓ Ｉｎｃ． 神経細胞イメージング及び治療
KR20170099985A (ko) * 2014-12-23 2017-09-01 꼼미사리아 아 레네르지 아토미끄 에뜨 옥스 에너지스 앨터네이티브즈 물체의 초 해상도 이미지를 얻기 위한 이미징 방법 및 시스템
KR20170140127A (ko) * 2017-11-24 2017-12-20 조선대학교산학협력단 Kpca, lda, 및 다중커널학습 svm을 이용한 뇌 이미지 분석방법

Also Published As

Publication number Publication date
KR102085755B1 (ko) 2020-03-06

Similar Documents

Publication Publication Date Title
Yin et al. A petascale automated imaging pipeline for mapping neuronal circuits with high-throughput transmission electron microscopy
US11927738B2 (en) Computational microscopy based-system and method for automated imaging and analysis of pathology specimens
US10628658B2 (en) Classifying nuclei in histology images
US20200090330A1 (en) Systems and methods for detection of structures and/or patterns in images
CN110494891B (zh) 用于拼接的基于分块的局部配准以及全局放置
US11754392B2 (en) Distance determination of a sample plane in a microscope system
US20180322632A1 (en) Image processing systems and methods for displaying multiple images of a biological specimen
Redondo et al. Autofocus evaluation for brightfield microscopy pathology
US10582126B2 (en) Method and device for generating a microscopy panoramic representation
US10036877B2 (en) Microlens array for enhanced imaging of multiregion targets
CN111164646A (zh) 用于大型偏移裸片对裸片检验的多步骤图像对准方法
US11210782B2 (en) System and method for generating selective stain segmentation images for cell types of interest
JP6160187B2 (ja) 分析装置、分析プログラム及び分析システム
JP7226852B2 (ja) 基板上の流動的対象を自動的にマッピングするための方法およびシステム
JP2013050713A (ja) 合焦位置を決定する方法及びビジョン検査システム
US20120249770A1 (en) Method for automatically focusing a microscope on a predetermined object and microscope for automatic focusing
CN116057538A (zh) 使用排斥编码学习的用于细胞定位和分类的机器学习模型
WO2017093524A1 (en) Devices, systems and methods for automated quantitative scoring of digitized tissue images
Pengo et al. A novel automated microscopy platform for multiresolution multispectral early detection of lung cancer cells in bronchoalveolar lavage samples
KR102085755B1 (ko) 시냅스 영상 촬영 장치 및 그의 구동 방법
JP5530126B2 (ja) 三次元細胞画像解析システム及びそれに用いる三次元細胞画像解析装置
Peixoto et al. Automatic tracking of cells for video microscopy in patch clamp experiments
EP4185987A1 (en) Method and system for event-based imaging
Anderson et al. A Computational Framework for Ultrastructural Mapping of Neural Circuitry Running Head

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