KR20230009331A - 유전자 변이를 식별하기 위한 복수의 이미지 분류 장치 및 그 분류 방법 - Google Patents
유전자 변이를 식별하기 위한 복수의 이미지 분류 장치 및 그 분류 방법 Download PDFInfo
- Publication number
- KR20230009331A KR20230009331A KR1020220111900A KR20220111900A KR20230009331A KR 20230009331 A KR20230009331 A KR 20230009331A KR 1020220111900 A KR1020220111900 A KR 1020220111900A KR 20220111900 A KR20220111900 A KR 20220111900A KR 20230009331 A KR20230009331 A KR 20230009331A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- type
- images
- cancer
- image classification
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000035772 mutation Effects 0.000 title claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 41
- 206010028980 Neoplasm Diseases 0.000 claims description 45
- 201000011510 cancer Diseases 0.000 claims description 45
- 210000004027 cell Anatomy 0.000 claims description 42
- 210000000349 chromosome Anatomy 0.000 claims description 17
- 238000011065 in-situ storage Methods 0.000 claims description 14
- 238000007689 inspection Methods 0.000 claims description 14
- WZUVPPKBWHMQCE-UHFFFAOYSA-N Haematoxylin Chemical compound C12=CC(O)=C(O)C=C2CC2(O)C1C1=CC=C(O)C(O)=C1OC2 WZUVPPKBWHMQCE-UHFFFAOYSA-N 0.000 claims description 12
- 238000010186 staining Methods 0.000 claims description 11
- 239000000523 sample Substances 0.000 claims description 9
- 101000686031 Homo sapiens Proto-oncogene tyrosine-protein kinase ROS Proteins 0.000 claims description 7
- 102100023347 Proto-oncogene tyrosine-protein kinase ROS Human genes 0.000 claims description 7
- 238000007490 hematoxylin and eosin (H&E) staining Methods 0.000 claims description 7
- 101001012157 Homo sapiens Receptor tyrosine-protein kinase erbB-2 Proteins 0.000 claims description 6
- 102100030086 Receptor tyrosine-protein kinase erbB-2 Human genes 0.000 claims description 6
- YQGOJNYOYNNSMM-UHFFFAOYSA-N eosin Chemical compound [Na+].OC(=O)C1=CC=CC=C1C1=C2C=C(Br)C(=O)C(Br)=C2OC2=C(Br)C(O)=C(Br)C=C21 YQGOJNYOYNNSMM-UHFFFAOYSA-N 0.000 claims description 6
- 238000002509 fluorescent in situ hybridization Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 4
- 230000005945 translocation Effects 0.000 claims description 4
- 210000002230 centromere Anatomy 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- FWBHETKCLVMNFS-UHFFFAOYSA-N 4',6-Diamino-2-phenylindol Chemical compound C1=CC(C(=N)N)=CC=C1C1=CC2=CC=C(C(N)=N)C=C2N1 FWBHETKCLVMNFS-UHFFFAOYSA-N 0.000 claims 4
- 108020004414 DNA Proteins 0.000 description 5
- 108020003215 DNA Probes Proteins 0.000 description 5
- 239000003298 DNA probe Substances 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 2
- 108091028043 Nucleic acid sequence Proteins 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002759 chromosomal effect Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 239000007850 fluorescent dye Substances 0.000 description 2
- 201000005202 lung cancer Diseases 0.000 description 2
- 208000020816 lung neoplasm Diseases 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000031864 metaphase Effects 0.000 description 2
- 230000001151 other effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 238000000116 DAPI staining Methods 0.000 description 1
- 206010064571 Gene mutation Diseases 0.000 description 1
- 208000034951 Genetic Translocation Diseases 0.000 description 1
- 108010034791 Heterochromatin Proteins 0.000 description 1
- 108700020796 Oncogene Proteins 0.000 description 1
- 102000043276 Oncogene Human genes 0.000 description 1
- 206010061535 Ovarian neoplasm Diseases 0.000 description 1
- 108700025695 Suppressor Genes Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 230000002559 cytogenic effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 210000004458 heterochromatin Anatomy 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 238000007901 in situ hybridization Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 108020004999 messenger RNA Proteins 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000007447 staining method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000003411 telomere Anatomy 0.000 description 1
- 108091035539 telomere Proteins 0.000 description 1
- 102000055501 telomere Human genes 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6813—Hybridisation assays
- C12Q1/6841—In situ hybridisation
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
- C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/693—Acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2334/00—O-linked chromogens for determinations of hydrolase enzymes, e.g. glycosidases, phosphatases, esterases
- C12Q2334/50—Indoles
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2563/00—Nucleic acid detection characterized by the use of physical, structural and functional properties
- C12Q2563/107—Nucleic acid detection characterized by the use of physical, structural and functional properties fluorescence
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/156—Polymorphic or mutational markers
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Genetics & Genomics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Microbiology (AREA)
- General Engineering & Computer Science (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Biochemistry (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Hospice & Palliative Care (AREA)
- Oncology (AREA)
- Computational Linguistics (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Processing (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
이미지 분류 장치 및 이미지 분류 방법이 제공된다. 상기 이미지 분류 방법은 세포를 촬영한 세포 이미지를 이용하여, 유전자 변이를 식별하기 위한 서로 다른 종류의 복수의 검사를 수행하는 단계, 상기 복수의 검사를 통해 복수의 이미지를 획득하는 단계, 상기 복수의 이미지 각각에 대하여, 세포의 위치 정보 및 검사 종류 정보 중 적어도 하나를 연계시키는 단계 및 상기 복수의 이미지를 제1 종류의 이미지와 상기 제1 종류와 다른 제2 종류의 이미지로 분류하는 단계를 포함한다.
Description
본 발명은 암 진단을 위한 이미지 분류 장치 및 이미지 분류 방법에 관한 것이다.
현재 생물학, 의학, 컴퓨터 공학 등 여러 분야에서 이미지의 분류나 분석에 대한 방법론 연구가 활발히 진행되고 있다. 더불어 ImageNet Large Scale Visual Recognition Challenge나 Grand Challenge등의 이미지 분류, 분석에 대한 대회도 상당히 많이 개최되고 있으며, 이미지의 분류 문제는 상당히 중요한 문제라는 것을 알 수 있다.
현재 1개의 이미지에 1개의 class를 구분하는 single class classification이나 multi class classification에 대한 연구는 상당히 많이 진행되어 왔다. 하지만 1개의 이미지가 여러 class에 속할 수 있는 multi label classification의 문제는 여러개의 single label classification 문제로 바꾸는 방법이 일반적이다. 하지만 classifier의 개수가 많아짐에 따라 최적화를 위한 비용이 많이 들고, dataset의 성질에 따라 접근 방법이 다를 수 있다.
의과 대학에서 배우는 과목에 사용되는 의료 이미지를 과목의 대분류, 중분류, 소분류 등을 다중으로 tag 하기 위한 방법론이 필요하다.
이와 관련된 선행기술1로써, 특허등록번호 10-1560449에서는 "사진 자동 분류 시스템 및 방법"이 공개되어 있다.
사진 촬영이 가능한 촬영 단말에서 촬영된 이미지를 유, 무선 네트워크를 통해 사용자가 원하는 장치로 자동 분류되어 저장할 수 있는 사진 자동 분류 방법은, 수신되는 다수의 촬영 이미지를 촬영 순서에 따라 순차적으로 스캔하여 분류기준용 이미지를 검출하는 1단계; 분류기준용 이미지가 검출되면, 검출된 분류기준용 이미지로부터 분류기준정보를 추출하는 2단계; 추출된 분류기준정보를 폴더명으로 하는 사진 폴더를 생성하는 3단계; 및 생성된 사진 폴더에 다른 분류기준용 이미지가 검출되기 전까지의 촬영 이미지들을 저장하는 4단계;를 포함한다.
그러나, 기존의 사진 분류 시스템은 머신 러닝의 지도 학습법(Supervised-Learning)을 사용하는 인공 지능 모듈의 기계학습된 분류기에 의해 학습된 의과대학 과목의 의료 이미지들을 분류, 태깅하는 시스템이 존재하지 않았다.
본 발명이 해결하고자 하는 과제는 최적화된 방법으로 암 진단을 위한 이미지를 분류하는 장치 및 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 이미지 분류 방법은, 세포를 촬영한 세포 이미지를 이용하여, 유전자 변이를 식별하기 위한 서로 다른 종류의 복수의 검사를 수행하는 단계; 상기 복수의 검사를 통해 복수의 이미지를 획득하는 단계; 상기 복수의 이미지 각각에 대하여, 세포의 위치 정보 및 검사 종류 정보 중 적어도 하나를 연계시키는 단계; 및 상기 복수의 이미지를 제1 종류의 이미지와 상기 제1 종류와 다른 제2 종류의 이미지로 분류하는 단계를 포함한다.
실시 예에 있어서, 상기 세포 이미지는, H&E(헤마톡실린&에오신) 염색이 수행된 이미지인 것을 특징으로 한다.
실시 예에 있어서, 상기 복수의 검사는, 서로 다른 종류의 암을 식별하기 위한 검사를 포함하는 것을 특징으로 한다.
실시 예에 있어서, 상기 복수의 검사를 수행하는 단계는, 서로 다른 종류의 암을 식별하기 위한 복수의 형광제자리부합법 검사를 수행하는 것을 특징으로 한다.
실시 예에 있어서, 상기 복수의 형광제자리부합법은, 서로 다른 종류의 암을 식별하기 위해 세포의 DNA에 결합되는 탐색자가 서로 상이한 것을 특징으로 한다.
실시 예에 있어서, 상기 서로 다른 종류의 암은, ALK, HER2, c-MET, ROS1 및 1P19Q 중 적어도 하나를 포함하는 것을 특징으로 한다.
실시 예에 있어서, 상기 연계시키는 단계는, 상기 복수의 이미지 각각에 대하여 세포를 제공한 환자에 대한 임상 정보를 더 연계시키는 것을 특징으로 한다.
실시 예에 있어서, 상기 제1 종류의 이미지는 H&E 염색이 수행된 H&E 이미지이고, 상기 제2 종류의 이미지는 형광제자리부합법이 수행된 FISH 이미지인 것을 특징으로 한다.
실시 예에 있어서, 상기 FISH 이미지에는, DAPI(4’, 6-diamidino-2-phenylindol) 염색이 수행된 DAPI 이미지가 포함되는 것을 특징으로 한다.
실시 예에 있어서, 분류된 이미지를 라벨링하도록 형성된 제1 화면을 출력하는 단계를 더 포함한다.
실시 예에 있어서, 상기 제1 화면을 출력하는 단계는, 상기 제1 화면이 출력된 상태에서, 미리 설정된 단축키가 입력되는 것에 근거하여, 선택된 이미지에 입력된 단축키에 연계된 정보가 연계되도록 라벨링하는 것을 특징으로 한다.
실시 예에 있어서, 분류된 복수의 이미지 중에서 적어도 하나를 검색하기 위한 제2 화면을 출력하는 단계를 더 포함한다.
실시 예에 있어서, 상기 제2 화면은, 환자, 서로 다른 종류의 암 종류 및 이미지 종류 중 적어도 하나를 선택하는 것이 가능하도록 형성되고, 상기 제2 화면을 출력하는 단계는, 환자, 서로 다른 종류의 암 종류 및 이미지 종류 중 적어도 하나가 선택되면, 상기 분류된 복수의 이미지 중 선택된 정보가 연계된 이미지를 검색하여 출력하는 것을 특징으로 한다.
본 발명의 다른 실시 예에 따른 이미지 분류 장치는, 세포를 촬영한 세포 이미지를 이용하여, 유전자 변이를 식별하기 위한 서로 다른 종류의 복수의 검사를 수행하는 유전자 변이 검사부; 메모리; 및 상기 복수의 검사를 통해 복수의 이미지를 획득하고, 상기 복수의 이미지 각각에 대하여, 세포의 위치 정보 및 검사 종류 정보 중 적어도 하나를 연계시키며, 상기 복수의 이미지를 제1 종류의 이미지와 상기 제1 종류와 다른 제2 종류의 이미지로 분류하여 상기 메모리에 저장하는 제어부를 포함한다.
실시 예에 있어서, 상기 세포 이미지는, H&E(헤마톡실린&에오신) 염색이 수행된 이미지인 것을 특징으로 한다.
실시 예에 있어서, 상기 복수의 검사는, 서로 다른 종류의 암을 식별하기 위한 검사를 포함하는 것을 특징으로 한다.
실시 예에 있어서, 상기 유전자 변이 검사부는, 서로 다른 종류의 암을 식별하기 위한 복수의 형광제자리부합법 검사를 수행하는 것을 특징으로 한다.
실시 예에 있어서, 상기 복수의 형광제자리부합법은, 서로 다른 종류의 암을 식별하기 위해 세포의 DNA에 결합되는 탐색자가 서로 상이한 것을 특징으로 한다.
실시 예에 있어서, 상기 서로 다른 종류의 암은, ALK, HER2, c-MET, ROS1 및 1P19Q 중 적어도 하나를 포함하는 것을 특징으로 한다.
실시 예에 있어서, 상기 제어부는, 상기 복수의 이미지 각각에 대하여 세포를 제공한 환자에 대한 임상 정보를 더 연계시키는 것을 특징으로 한다.
실시 예에 있어서, 상기 제1 종류의 이미지는 H&E 염색이 수행된 H&E 이미지이고, 상기 제2 종류의 이미지는 형광제자리부합법이 수행된 FISH 이미지인 것을 특징으로 한다.
실시 예에 있어서, 상기 FISH 이미지에는, DAPI(4’, 6-diamidino-2-phenylindol) 염색이 수행된 DAPI 이미지가 포함되는 것을 특징으로 한다.
실시 예에 있어서, 디스플레이부를 더 포함하고, 상기 제어부는, 분류된 이미지를 라벨링하도록 형성된 제1 화면을 상기 디스플레이부에 출력하는 것을 특징으로 한다.
실시 예에 있어서, 상기 제어부는, 상기 제1 화면이 출력된 상태에서, 미리 설정된 단축키가 입력되는 것에 근거하여, 선택된 이미지에 입력된 단축키에 할당된 정보가 연계되도록 라벨링하는 것을 특징으로 한다.
실시 예에 있어서, 디스플레이부를 더 포함하고, 상기 제어부는, 분류된 복수의 이미지 중에서 적어도 하나를 검색하기 위한 제2 화면을 상기 디스플레이부에 출력하는 것을 특징으로 한다.
실시 예에 있어서, 상기 제2 화면은, 환자, 서로 다른 종류의 암 종류 및 이미지 종류 중 적어도 하나를 선택하는 것이 가능하도록 형성되고, 상기 제어부는, 환자, 서로 다른 종류의 암 종류 및 이미지 종류 중 적어도 하나가 선택되면, 상기 분류된 복수의 이미지 중 선택된 정보가 연계된 이미지를 검색하여 상기 디스플레이부에 출력하는 것을 특징으로 한다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명에 따르면, 암 진단을 위한 이미지들을 다양한 검사법에 따라 각각 따로 분류하고, 검사법에 따라 분류된 이미지들을 종류별로 또다시 분류함으로써, 사용자가 이미지를 분류하는데 소요되는 시간을 현저히 줄일 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시 예에 따른 이미지 분류 장치를 설명하기 위한 개념도이다.
도 2는 본 발명의 일 실시 예에 따른 이미지 분류 방법을 설명하기 위한 흐름도이다.
도 3, 도 4, 도 5, 도 6, 도 7, 도 8, 도 9, 도 10, 도 11, 도 12, 도 13, 도 14, 도 15 및 도 16은 도 2에서 살펴본 이미지 분류 방법을 설명하기 위한 개념도이다.
도 2는 본 발명의 일 실시 예에 따른 이미지 분류 방법을 설명하기 위한 흐름도이다.
도 3, 도 4, 도 5, 도 6, 도 7, 도 8, 도 9, 도 10, 도 11, 도 12, 도 13, 도 14, 도 15 및 도 16은 도 2에서 살펴본 이미지 분류 방법을 설명하기 위한 개념도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
설명에 앞서 본 명세서에서 사용하는 용어의 의미를 간략히 설명한다. 그렇지만 용어의 설명은 본 명세서의 이해를 돕기 위한 것이므로, 명시적으로 본 발명을 한정하는 사항으로 기재하지 않은 경우에 본 발명의 기술적 사상을 한정하는 의미로 사용하는 것이 아님을 주의해야 한다.
본 명세서에서 '이미지 분류 장치'는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 이미지 분류 장치는 데스크 탑 PC, 노트북(Note Book) 뿐만 아니라 스마트폰(Smart phone), 태블릿 PC, 셀룰러폰(Cellular phone), 피씨에스폰(PCS phone; Personal Communication Service phone), 동기식/비동기식 IMT-2000(International Mobile Telecommunication-2000)의 이동 단말기, 팜 PC(Palm Personal Computer), 개인용 디지털 보조기(PDA; Personal Digital Assistant) 등도 해당될 수 있다.
또한, 이미지 분류 장치는 클라이언트로부터 요청을 수신하여 정보처리를 수행하는 서버와 통신을 수행할 수 있다.
본 발명의 일 실시 예에 따른 이미지 분류 장치는, 도 1에서 설명하는 구성요소들 중 적어도 하나를 포함하도록 구현될 수 있다.
도 1은 본 발명의 일 실시 예에 따른 이미지 분류 장치를 설명하기 위한 개념도이다.
도 1을 살펴보면, 본 발명의 암 진단을 위한 이미지 분류 장치(100)는, 유전자 변이 검사부(110), 메모리(120), 제어부(130) 및 디스플레이부(미도시)를 포함할 수 있다.
유전자 변이 검사부(110)는, 세포를 촬영한 세포 이미지를 이용하여 유전자 변이를 식별하기 위한 서로 다른 종류의 복수의 검사를 수행하도록 형성될 수 있다.
이를 위해, 유전자 변이 검사부(110)는, 세포 이미지를 촬영하기 위한 카메라(또는 이미지 센서), 세포를 염색하기 위한 염색부, 서로 다른 종류의 유전자 변이 검사를 수행하기 위한 검사부 등을 포함할 수 있다.
메모리(120)는, 유전자 변이 검사부(110) 및 제어부(130)에서 생성/관리된 데이터, 이미지, 각종 정보 및 응용 프로그램 등을 저장하도록 형성될 수 있다.
메모리(120)는, 제어부(130)와 전기적으로 연결된다. 메모리(120)는 유닛에 대한 기본데이터, 유닛의 동작제어를 위한 제어데이터, 입출력되는 데이터를 저장할 수 있다. 메모리(120)는, 하드웨어적으로, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기 일 수 있다. 메모리(120)는 제어부(130)의 처리 또는 제어를 위한 프로그램 등, 이미지 분류 장치(100) 전반의 동작을 위한 다양한 데이터를 저장할 수 있다.
제어부(130)는 응용 프로그램과 관련된 동작 외에도, 통상적으로 이미지 분류 장치(100)의 전반적인 동작을 제어한다. 제어부(130)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
제어부(130)는, 복수의 검사를 통해 복수의 이미지를 획득하고, 복수의 이미지 각각에 대하여, 세포의 위치 정보 및 검사 종류 정보 중 적어도 하나를 연계할 수 있다.
또한, 제어부(130)는, 복수의 이미지를 제1 종류의 이미지와, 상기 제1 종류와 다른 제2 종류의 이미지로 분류하여 메모리에 저장하도록 형성될 수 있다.
이하에서는, 암 진단을 위한 이미지를 분류하는 방법에 대하여 첨부된 도면을 참조하여 보다 구체적으로 살펴보기로 한다.
도 2는 본 발명의 일 실시 예에 따른 이미지 분류 방법을 설명하기 위한 흐름도이고, 도 3, 도 4, 도 5, 도 6, 도 7, 도 8, 도 9, 도 10, 도 11, 도 12, 도 13, 도 14, 도 15 및 도 16은 도 2에서 살펴본 이미지 분류 방법을 설명하기 위한 개념도이다.
도 2를 참조하면, 본 발명의 이미지 분류 장치는, 세포를 촬영한 세포 이미지를 이용하여, 유전자 변이(예를 들어, 암)를 식별하기 위한 서로 다른 종류의 복수의 검사를 수행할 수 있다(S210).
도 3에 도시된 것과 같이, 상기 세포 이미지는 H&E(헤마톡실린&에오신) 염색이 수행된 이미지(또는 H&E이미지, 또는 HE 이미지)일 수 있다.
H&E 염색 혹은 HE 염색에서 H는 헤마톡실린, E는 에오신을 의미한다.
조직학에서 이용되는 기본적인 염색 방법이다.
의학 진단에서 널리 이용되며, 종종 최적 표준(gold standard)이다. 병리학자가 암으로 의심되는 조직을 생검하면 조직 절편을 H&E 염색하고, H&E 절편(H&E section)이라 한다.
상기 복수의 검사는, 서로 다른 종류의 암을 식별하기 위한 검사를 포함할 수 있다.
예를 들어, 상기 복수의 검사는, 서로 다른 종류의 암을 식별하기 위한 복수의 형광제자리부합법 검사를 포함할 수 있다.
상기 복수의 형광제자 서로 다른 종류의 암을 식별하기 위해 세포의 DNA에 결합되는 탐색자(Probe)가 서로 상이할 수 있다.
또한, 상기 서로 다른 종류의 암은, ALK(폐암), HER2(유방암), c-MET(상피성 난소 종양), ROS1(폐암), 1P19Q(뇌종양) 중 적어도 하나를 포함할 수 있다.
또한, 이미지 분류 장치는, 유전자 변이 검사부를 통해, 형광제자리부합법이 수행된 FISH이미지를 촬영/저장할 수 있다.
상기 FISH이미지는, 도 4와 같을 수 있다.
형광제자리부합법(fluorescence in situ hybridization, FISH)은 분자세포유전학(molecular cytogenetic) 검사기법으로, 염색채의 특정 DNA 염기서열의 존재 유무를 규명하기 위한 목적으로 이용할 수 있다.
이에 따라, 교합 또는 교잡반응(hybridization)이라 함은, 염색체의 탐색자(probe)를 결합시키는 검사과정을 의미하고, 염색체에 결합하는 DNA 탐색자는 자외선을 받으면 형광을 내면서 대응하는 DNA 염기서열의 유무 및 위치를 보여주게 된다.
먼저, 유전자 변이 검사부는, DNA 탐색자에 표지물질을 결합시킨 후 DNA 탐색자 및 검사하고자 하는 세포의 DNA를 변성시켜서(denaturation) 단일가닥(single strand)으로 만든 후 반응시킨다.
이 때, 표적염색체에 DNA 탐색자가 반응하고, 세척한 후 표지물질과 결합할 수 있는 형광물질을 첨가하면 DNA 탐색자가 접합된 부위에서 형광을 나타낸다.
FISH에서는 염색체 일부에 결합하는 형광 탐색자를 이용하고, 형광현미경은 염색체에 결합한 탐색자를 찾아내는데 사용한다.
또한, FISH는 의학, 유전상담, 종 확인 등에서 DNA 특징을 알아내는데 이용하지만, 조직검체 내 특이한 mRNA를 검출하는데도 이용될 수 있다.
유전자 변이 검사부는, 이와 같이, FISH 검사에서 촬영된 FISH 이미지를 촬영/저장할 수 있다.
탐색자에 사용된 형광물에 따라서 대조염색은 DAPI(4’-6’ diamidine-2-phenyl indole dihydrochloride) 또는 PI 를 포함할 수 있다.
유전자 변이 검사부는, DAPI 염색되어 촬영된 이미지를 DAPI이미지로 저장할 수 있다.
한편, 상기 복수의 검사에 사용되는 탐색자는 다음과 같다.
배수측정용 동원체(centromeric) 탐색자는, 염색체의 동원체에 존재하는 이형염색질(heterochromatin)에 보합하는 염기서열로 이루어진 탐색자이다. 염색체 수를 알기위해 사용하며 간기 세포 및 세포분열 중기세포 모두에 사용할 수 있다.
특이서열(unique sequence) 탐색자는 유전자 특이 탐색자로, 미세결실(microdeletion)을 확인하거나 암유전자(oncogene) 또는 암억제유전자(suppressor gene)의 변화를 측정하는데 이용할 수 있다. 염색체 말단부위의 변화를 검색하기 위한 종말체(telomere) 탐색자도 일종의 특이서열 탐색자이다.
염색체 도포(painting) 탐색자는 특정 염색대 부위 혹은 염색체 전체를 도포하는 탐색자이다. 각각 염색체에는 염색체 전체에 걸쳐 반복되어 분포하는 염기서열이 있어 그 염기서열에 형광물질을 부착하면 염색체 전체가 마치 색을 입힌 것처럼 보인다하여 붙여진 이름이다. 전통적인 염색체분석으로 검색된 복잡한 염색체의 구조변화나 작은 염색체 구조변화를 확인하는데 사용되며 분역중기 세포에만 적용될 수 있다.
위치특이(locus specific) 또는 전좌(translocation) 탐색자는 유전자 특이서열을 이용하여 제작된 탐색자로 주로 염색체 전좌를 검색하는 데 사용된다. 두 종류의 탐색자에 각각 다른 형광을 입혀 세포에 반응시키면 전좌에 의해 융합유전자(fusion gene)가 형성된 경우에는 두 형광이 같은 곳에서 발생되므로 독특한 형광시그널이 보인다. 예를 들어, 적색과 녹색 형광이 합쳐지면 황생 형광 시그널이 보이게 된다.
이와 같이, 본 발명의 이미지 분류 장치에 포함된 유전자 변이 검사부(110)는 서로 다른 종류의 암을 식별하기 위해 복수의 검사를 수행할 수 있다.
또한, 이미지 분류 장치는, 상기 복수의 검사를 통해 복수의 이미지를 획득하고, 복수의 이미지 각각에 대하여, 세포의 위치 정보 및 검사 종류 정보 중 적어도 하나를 연계하여 저장할 수 있다(S220, S230).
도 5 내지 도 9를 참조하면, 서로 다른 종류의 암(예를 들어, ALK, HER2, c-MET, ROS1 및 1P19Q)을 검사하기 위한 복수의 이미지가 도시되어 있다.
제어부(130)는, 서로 다른 종류의 암을 식별하기 위한 복수의 검사를 수행할 수 있으며, 각 검사에서 발생된 적어도 하나의 이미지에, 세포의 위치 정보 및 검사 종류 정보(예를 들어, 복수의 형광제자리부합법 검사 중 어느 검사에 해당하는지(또는 어느 탐색자를 활용한 검색인지 등)를 연계하여 저장할 수 있다.
또한, 제어부(130)는, 복수의 이미지 각각에 대하여 세포를 제공한 환자에 대한 임상 정보를 더 연계시킬 수 있다.
또한, 앞서 설명한 DAPI 염색을 통해, 도 10에 도시된 것과 같이,
또한, 이미지 분류 장치는, 세포 위치 정보 및/또는 검사 종류 정보를 복수의 이미지에 각각 연계하여 저장할 수 있을 뿐만 아니라, 복수의 이미지를 제1 종류의 이미지와, 상기 제1 종류와 다른 제2 종류의 이미지로 분류하여 메모리에 저장할 수 있다(S240).
여기서, 상기 제1 종류의 이미지는, H&E 염색이 수행된 H&E 이미지이고, 상기 제2 종류의 이미지는, 형광제자리부합법이 수행된 FISH 이미지일 수 있다.
앞서 설명한 것과 같이, 상기 FISH 이미지는 DAPI(4’, 6-diamidino-2-phenylindol) 염색이 수행된 DAPI 이미지를 포함할 수 있다.
도 5 내지 도 9에 도시된 것과 같이, 각 검사에는, 제1 종류의 이미지(H&E 이미지)와 제2 종류의 이미지(FISH 이미지)가 포함될 수 있다.
또한, 도 10에 도시된 것과 같이, 제어부(130)는, FISH 이미지(또는 DAPI 이미지)를 H&E 이미지에 매핑하여 저장할 수 있다.
이에 따라, 제어부(130)는, 복수의 검사에서 사용된 FISH 이미지가, H&E 이미지의 어느 부분에 해당하는지 파악할 수 있다.
또한, 도 11 내지 도 14에 도시된 것과 같이, 제어부(130)는, 제1 종류의 이미지(H&E 이미지)에 대하여 서로 다른 종류의 암을 식별하기 위해 복수의 검사를 수행할 수 있으며, 이에 따라, 복수의 이미지를 촬영/생성할 수 있다.
또한, 제2 종류의 이미지(예를 들어, FISH 이미지 또는 DAPI 이미지)에는, 앞서 설명한 것과 같이, 세포의 위치 정보, 검사 종류 정보 뿐만 아니라, 제1 종류의 이미지(H&E 이미지)에서 어느 부분에 해당하는지에 대한 위치 정보가 더 연계되어 있을 수 있다.
제어부(130)는, 도 11 내지 도 14에 도시된 것과 같이, 복수의 검사에 의해 생성된 복수의 이미지에 대하여 각각 세포의 위치 정보 및 검사 종류 정보 등을 연계시킬 수 있다.
또한, 제어부(130)는, 유전자 변이 검사부(110)에서 판단된 암의 종류에 대한 정보를 각 이미지에 더 연계시킬 수도 있다.
유전자 변이 검사부(110)는, 복수의 검사를 통해 생성된 복수의 이미지를 이용하여, 도 5 내지 도 9에 도시된 것과 같이, 어떤 유전자 변이가 존재하는지를 판단할 수 있으며, 이러한 판단 정보를 이미지에 더 연계시킬 수 있다.
일 예로, 유전자 변이 검사부(110)는, 딥러닝을 통해 학습된 알고리즘을 활용하여, 복수의 검사를 통해 생성된 이미지를 입력값으로 입력하여, 유전자 변이의 유무 및 종류 중 적어도 하나를 출력값으로 출력할 수 있다.
한편, 제어부(130)는, 각 이미지에, 환자에 대한 임상 정보를 더 연계시켜 저장할 수 있다.
이에 따라, 도 15에 도시된 것과 같이, 제어부(130)는, 환자별(예를 들어, ZM19-2926)로 연계된 이미지(이미지 목록 보기에 포함된 이미지)를 분류하여 출력할 수 있다.
또한, 제어부(130)는, 분류된 이미지를 라벨링하도록 형성된 제1 화면을 디스플레이부에 출력할 수 있다.
상기 제1 화면은, 도 15에 도시된 것과 같을 수 있다.
도 15에 도시된 것과 같이, 제어부(130)는, 제1 화면이 출력된 상태에서 미리 설정된 단축키(예를 들어, 라벨 결정 부분에 도시된(1), (2) 등)가 입력되는 것에 근거하여, 선택된 이미지에 입력된 단축키에 연계된 정보(예를 들어, 단축키 (4)가 선택되면, 상기 (4)에 연계된 Good Cancer 라는 정보)를 연계시킬 수 있다.
또한, 제어부(130)는, 분류된 복수의 이미지 중에서 적어도 하나를 검색하기 위한 제2 화면(예를 들어, 도 16)을 디스플레이부에 출력할 수 있다.
도 16을 참조하면, 상기 제2 화면은, 환자, 서로 다른 종류의 암 종류(ALK, ROS1 등) 및 이미지 종류 중 적어도 하나를 선택하는 것이 가능하도록 형성될 수 있다.
제어부(130)는, 환자, 서로 다른 종류의 암 종류 및 이미지 종류 중 적어도 하나가 선택되면, 분류된 복수의 이미지 중 선택된 정보가 연계된 이미지를 검색하여 디스플레이부에 출력할 수 있다.
본 발명에 따르면, 암 진단을 위한 이미지들을 다양한 검사법에 따라 각각 따로 분류하고, 검사법에 따라 분류된 이미지들을 종류별로 또다시 분류함으로써, 사용자가 이미지를 분류하는데 소요되는 시간을 현저히 줄일 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
Claims (27)
- 유전자 변이를 식별하기 위한 서로 다른 종류의 복수의 검사를 수행하는 단계;
상기 복수의 검사를 통해 복수의 이미지를 획득하는 단계; 및
상기 복수의 이미지 각각에 대하여, 세포의 위치 정보 및 검사 종류 정보 중 적어도 하나를 연계시키는 단계; 를 포함하고,
상기 복수의 검사에는,
배수측정용 동원체 탐색자, 특이서열 탐색자, 염색체 도포 탐색자 및 위치특이 또는 전좌 탐색자 중 적어도 하나가 사용되는 것을 특징으로 하는 이미지 분류 방법. - 제 1 항에 있어서,
상기 세포를 촬영한 세포 이미지는,
H&E(헤마톡실린&에오신) 염색이 수행된 이미지인 것을 특징으로 하는 이미지 분류 방법. - 제 2 항에 있어서,
상기 복수의 검사는, 서로 다른 종류의 암을 식별하기 위한 검사를 포함하는 것을 특징으로 하는 이미지 분류 방법. - 제 3 항에 있어서,
상기 복수의 검사를 수행하는 단계는,
서로 다른 종류의 암을 식별하기 위한 복수의 형광제자리부합법 검사를 수행하는 것을 특징으로 하는 이미지 분류 방법. - 제 4 항에 있어서,
상기 복수의 형광제자리부합법은, 서로 다른 종류의 암을 식별하기 위해 세포의 DNA에 결합되는 탐색자가 서로 상이한 것을 특징으로 하는 이미지 분류 방법. - 제 3 항에 있어서,
상기 서로 다른 종류의 암은, ALK, HER2, c-MET, ROS1 및 1P19Q 중 적어도 하나를 포함하는 것을 특징으로 하는 이미지 분류 방법. - 제 3 항에 있어서,
상기 연계시키는 단계는,
상기 복수의 이미지 각각에 대하여 세포를 제공한 환자에 대한 임상 정보를 더 연계시키는 것을 특징으로 하는 이미지 분류 방법. - 제 2 항에 있어서,
상기 복수의 이미지를 제1 종류의 이미지와 상기 제1 종류와 다른 제2 종류의 이미지로 분류하는 단계를 더 포함하고,
상기 제1 종류의 이미지는 H&E 염색이 수행된 H&E 이미지이고, 상기 제2 종류의 이미지는 형광제자리부합법이 수행된 FISH 이미지인 것을 특징으로 하는 이미지 분류 방법. - 제 8 항에 있어서,
상기 FISH 이미지에는,
DAPI(4’, 6-diamidino-2-phenylindol) 염색이 수행된 DAPI 이미지가 포함되는 것을 특징으로 하는 이미지 분류 방법. - 제 1 항에 있어서,
상기 복수의 이미지를 제1 종류의 이미지와 상기 제1 종류와 다른 제2 종류의 이미지로 분류하는 단계를 더 포함하고,
상기 분류된 이미지를 라벨링하도록 형성된 제1 화면을 출력하는 단계를 더 포함하는 이미지 분류 방법. - 제 10 항에 있어서,
상기 제1 화면을 출력하는 단계는,
상기 제1 화면이 출력된 상태에서, 미리 설정된 단축키가 입력되는 것에 근거하여, 선택된 이미지에 입력된 단축키에 연계된 정보가 연계되도록 라벨링하는 것을 특징으로 하는 이미지 분류 방법. - 제 10 항에 있어서,
상기 분류된 복수의 이미지 중에서 적어도 하나를 검색하기 위한 제2 화면을 출력하는 단계를 더 포함하는 이미지 분류 방법. - 제 12 항에 있어서,
상기 제2 화면은,
환자, 서로 다른 종류의 암 종류 및 이미지 종류 중 적어도 하나를 선택하는 것이 가능하도록 형성되고,
상기 제2 화면을 출력하는 단계는,
환자, 서로 다른 종류의 암 종류 및 이미지 종류 중 적어도 하나가 선택되면, 상기 분류된 복수의 이미지 중 선택된 정보가 연계된 이미지를 검색하여 출력하는 것을 특징으로 하는 이미지 분류 방법. - 유전자 변이를 식별하기 위한 서로 다른 종류의 복수의 검사를 수행하는 유전자 변이 검사부;
메모리; 및
상기 복수의 검사를 통해 복수의 이미지를 획득하고, 상기 복수의 이미지 각각에 대하여, 세포의 위치 정보 및 검사 종류 정보 중 적어도 하나를 연계시키며, 상기 연계된 복수의 이미지를 상기 메모리에 저장하는 제어부를 포함하고,
상기 복수의 검사에는,
배수측정용 동원체 탐색자, 특이서열 탐색자, 염색체 도포 탐색자 및 위치특이 또는 전좌 탐색자 중 적어도 하나가 사용되는 것을 특징으로 하는 이미지 분류 장치. - 제 14 항에 있어서,
상기 세포를 촬영한 세포 이미지는,
H&E(헤마톡실린&에오신) 염색이 수행된 이미지인 것을 특징으로 하는 이미지 분류 장치. - 제 15 항에 있어서,
상기 복수의 검사는, 서로 다른 종류의 암을 식별하기 위한 검사를 포함하는 것을 특징으로 하는 이미지 분류 장치. - 제 16 항에 있어서,
상기 유전자 변이 검사부는,
서로 다른 종류의 암을 식별하기 위한 복수의 형광제자리부합법 검사를 수행하는 것을 특징으로 하는 이미지 분류 장치. - 제 17 항에 있어서,
상기 복수의 형광제자리부합법은, 서로 다른 종류의 암을 식별하기 위해 세포의 DNA에 결합되는 탐색자가 서로 상이한 것을 특징으로 하는 이미지 분류 장치. - 제 16 항에 있어서,
상기 서로 다른 종류의 암은, ALK, HER2, c-MET, ROS1 및 1P19Q 중 적어도 하나를 포함하는 것을 특징으로 하는 이미지 분류 장치. - 제 16 항에 있어서,
상기 제어부는,
상기 복수의 이미지 각각에 대하여 세포를 제공한 환자에 대한 임상 정보를 더 연계시키는 것을 특징으로 하는 이미지 분류 장치. - 제 15 항에 있어서,
상기 제어부는,
상기 복수의 이미지를 제1 종류의 이미지와 상기 제1 종류와 다른 제2 종류의 이미지로 더 분류하고,
상기 제1 종류의 이미지는 H&E 염색이 수행된 H&E 이미지이고, 상기 제2 종류의 이미지는 형광제자리부합법이 수행된 FISH 이미지인 것을 특징으로 하는 이미지 분류 장치. - 제 21 항에 있어서,
상기 FISH 이미지에는,
DAPI(4’, 6-diamidino-2-phenylindol) 염색이 수행된 DAPI 이미지가 포함되는 것을 특징으로 하는 이미지 분류 장치. - 제 14 항에 있어서,
디스플레이부를 더 포함하고,
상기 제어부는,
상기 복수의 이미지를 제1 종류의 이미지와 상기 제1 종류와 다른 제2 종류의 이미지로 더 분류하고,
상기 분류된 이미지를 라벨링하도록 형성된 제1 화면을 상기 디스플레이부에 출력하는 것을 특징으로 하는 이미지 분류 장치. - 제 23 항에 있어서,
상기 제어부는,
상기 제1 화면이 출력된 상태에서, 미리 설정된 단축키가 입력되는 것에 근거하여, 선택된 이미지에 입력된 단축키에 할당된 정보가 연계되도록 라벨링하는 것을 특징으로 하는 이미지 분류 장치. - 제 23 항에 있어서,
상기 제어부는,
상기 분류된 복수의 이미지 중에서 적어도 하나를 검색하기 위한 제2 화면을 상기 디스플레이부에 출력하는 것을 특징으로 하는 이미지 분류 장치. - 제 25 항에 있어서,
상기 제2 화면은,
환자, 서로 다른 종류의 암 종류 및 이미지 종류 중 적어도 하나를 선택하는 것이 가능하도록 형성되고,
상기 제어부는,
환자, 서로 다른 종류의 암 종류 및 이미지 종류 중 적어도 하나가 선택되면, 상기 분류된 복수의 이미지 중 선택된 정보가 연계된 이미지를 검색하여 상기 디스플레이부에 출력하는 것을 특징으로 하는 이미지 분류 장치. - 하드웨어인 컴퓨터와 결합되어, 제1항 내지 제13항의 방법을 수행하도록 컴퓨터에서 판독가능한 기록매체에 저장된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220111900A KR20230009331A (ko) | 2021-07-08 | 2022-09-05 | 유전자 변이를 식별하기 위한 복수의 이미지 분류 장치 및 그 분류 방법 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210089961A KR102441907B1 (ko) | 2021-07-08 | 2021-07-08 | 암 진단을 위한 이미지 분류 장치 및 이미지 분류 방법 |
| KR1020220111900A KR20230009331A (ko) | 2021-07-08 | 2022-09-05 | 유전자 변이를 식별하기 위한 복수의 이미지 분류 장치 및 그 분류 방법 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210089961A Division KR102441907B1 (ko) | 2021-07-08 | 2021-07-08 | 암 진단을 위한 이미지 분류 장치 및 이미지 분류 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230009331A true KR20230009331A (ko) | 2023-01-17 |
Family
ID=83279657
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210089961A KR102441907B1 (ko) | 2021-07-08 | 2021-07-08 | 암 진단을 위한 이미지 분류 장치 및 이미지 분류 방법 |
| KR1020220111900A KR20230009331A (ko) | 2021-07-08 | 2022-09-05 | 유전자 변이를 식별하기 위한 복수의 이미지 분류 장치 및 그 분류 방법 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210089961A KR102441907B1 (ko) | 2021-07-08 | 2021-07-08 | 암 진단을 위한 이미지 분류 장치 및 이미지 분류 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (2) | KR102441907B1 (ko) |
| WO (1) | WO2023282487A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024181592A1 (ko) * | 2023-02-27 | 2024-09-06 | 가톨릭대학교 산학협력단 | 유전자 변이를 식별하기 위한 복수의 이미지 분류 장치 및 그 분류 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101560449B1 (ko) | 2013-08-06 | 2015-10-15 | (주)엠팩토리 | 사진 자동 분류 시스템 및 방법 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6019017B2 (ja) * | 2010-06-25 | 2016-11-02 | シレカ セラノスティクス エルエルシーＣｉｒｅｃａ Ｔｈｅｒａｎｏｓｔｉｃｓ，Ｌｌｃ | 生物学的試片をスペクトル画像により分析する方法 |
| JP6140192B2 (ja) * | 2012-02-01 | 2017-05-31 | ベンタナ メディカル システムズ， インコーポレイテッド | 組織試料中で遺伝子を検出するための系 |
| CA2867359A1 (en) * | 2012-03-30 | 2013-10-03 | Clarient Diagnostic Services, Inc. | Methods for generating an image of a biological sample |
| US9135694B2 (en) * | 2012-12-04 | 2015-09-15 | General Electric Company | Systems and methods for using an immunostaining mask to selectively refine ISH analysis results |
| WO2020100660A1 (ja) * | 2018-11-12 | 2020-05-22 | ソニー株式会社 | 情報処理方法および情報処理システム |
-
2021
- 2021-07-08 KR KR1020210089961A patent/KR102441907B1/ko active IP Right Grant
-
2022
- 2022-06-14 WO PCT/KR2022/008391 patent/WO2023282487A1/ko active Application Filing
- 2022-09-05 KR KR1020220111900A patent/KR20230009331A/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101560449B1 (ko) | 2013-08-06 | 2015-10-15 | (주)엠팩토리 | 사진 자동 분류 시스템 및 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024181592A1 (ko) * | 2023-02-27 | 2024-09-06 | 가톨릭대학교 산학협력단 | 유전자 변이를 식별하기 위한 복수의 이미지 분류 장치 및 그 분류 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023282487A1 (ko) | 2023-01-12 |
| KR102441907B1 (ko) | 2022-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11232354B2 (en) | Histopathological image analysis | |
| US9036888B2 (en) | Systems and methods for performing quality review scoring of biomarkers and image analysis methods for biological tissue | |
| US20240029409A1 (en) | Tissue staining and sequential imaging of biological samples for deep learning image analysis and virtual staining | |
| US20150032671A9 (en) | Systems and methods for selecting and analyzing particles in a biological tissue | |
| US20170052106A1 (en) | Method for label-free image cytometry | |
| US8737709B2 (en) | Systems and methods for performing correlation analysis on clinical outcome and characteristics of biological tissue | |
| JP6698663B2 (ja) | 自動化スライド全域解析の品質管理 | |
| KR102681276B1 (ko) | 암 세포 판정을 위한 핵이미지 선별 장치 및 핵이미지 선별 방법 | |
| US20130286038A1 (en) | Systems and methods for selection and display of multiplexed images of biological tissue | |
| AU2013255961B2 (en) | Systems and methods for performing quality review scoring of biomarkers and image analysis methods for biological tissue | |
| US11946866B2 (en) | Fluorescence image analyzing apparatus, method of analyzing fluorescence image, and computer program | |
| JP2018511036A (ja) | メソダイセクションのためのシステムおよび方法 | |
| KR20230009331A (ko) | 유전자 변이를 식별하기 위한 복수의 이미지 분류 장치 및 그 분류 방법 | |
| KR20200100062A (ko) | 조직학적 이미지 분석 | |
| Bush et al. | Using Cell‐ID 1.4 with R for microscope‐based cytometry | |
| Pengo et al. | A novel automated microscopy platform for multiresolution multispectral early detection of lung cancer cells in bronchoalveolar lavage samples | |
| WO2024181592A1 (ko) | 유전자 변이를 식별하기 위한 복수의 이미지 분류 장치 및 그 분류 방법 | |
| Courtney et al. | MATtrack: a MATLAB-based quantitative image analysis platform for investigating real-time photo-converted fluorescent signals in live cells | |
| US20230368504A1 (en) | Synthetic generation of immunohistochemical special stains | |
| US20130286043A1 (en) | Systems and methods for analyzing biomarker co-localization in a biological tissue | |
| WO2024181593A1 (ko) | 암 세포 판정을 위한 핵이미지 선별 장치 및 핵이미지 선별 방법 | |
| Sergeev et al. | Development of automated computer vision methods for cell counting and endometrial gland detection for medical images processing | |
| Bentley-Abbot et al. | FISHtoFigure: An easy-to-use tool for rapid, multi-target partitioning and analysis of sub-cellular mRNA transcripts in smFISH data |