WO2022114382A1 - 혈구계산기를 이용한 반자동 세포 계수 방법 - Google Patents

혈구계산기를 이용한 반자동 세포 계수 방법 Download PDF

Info

Publication number
WO2022114382A1
WO2022114382A1 PCT/KR2020/019499 KR2020019499W WO2022114382A1 WO 2022114382 A1 WO2022114382 A1 WO 2022114382A1 KR 2020019499 W KR2020019499 W KR 2020019499W WO 2022114382 A1 WO2022114382 A1 WO 2022114382A1
Authority
WO
WIPO (PCT)
Prior art keywords
hemocytometer
counting
semi
cells
cell
Prior art date
Application number
PCT/KR2020/019499
Other languages
English (en)
French (fr)
Inventor
김광수
정지영
Original Assignee
디투이모션 주식회사
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 디투이모션 주식회사 filed Critical 디투이모션 주식회사
Publication of WO2022114382A1 publication Critical patent/WO2022114382A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M1/00—Apparatus for enzymology or microbiology
    • C12M1/34—Measuring or testing with condition measuring or sensing means, e.g. colony counters
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
    • C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
    • 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
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Definitions

  • the present invention relates to a cell counting method, and more particularly, to a cell counting method using a hemocytometer.
  • Cell counting is the quantification of the number of cells in the field of life science, which is a type of cytometry and is applied to both clinical and research fields. In general, the cell count in a liquid medium is expressed as the number of cells per unit volume, which can be expressed as a concentration.
  • a method for counting these cells can be classified into a manual method and an automatic method.
  • the automatic method is usually counted by analyzing the colors that appear by staining the cells. Due to the different staining reactions for various cells, many studies are being made to ensure the reliability of the analysis method, which leads to an increase in the cost of technology development, which in turn causes an increase in the cost of the automatic counting equipment.
  • An object of the present invention is to provide a semi-automatic cell counting method that combines the advantages of a manual method and an automatic method in the cell counting method, a computer program for executing the cell counting method, and a computer-readable recording medium recording the same.
  • the present invention provides the steps of: (a) putting a cell culture solution in a hemocytometer chamber with a graduated grid, covering it with a glass cover, and then taking a microscope image; (b) extracting a rectangular counting target area from the image; (c) detecting cells in the area to be counted; And (d) counting the total number of cells in the cell culture medium from the number of cells in the area to be counted; provides a semi-automatic cell counting method using a hemocytometer comprising a.
  • the step (b) includes: (b1) dividing the image into two based on color; (b2) receiving the divided image and extracting an outline; (b3) approximating the extracted contour to a polygon; (b4) extracting a quadrangle from among the approximated polygons; and (b5) filtering a rectangle within a predetermined size range among the rectangles as the area to be counted.
  • step (b3) provides a semi-automated cell counting method using a hemocytometer, characterized in that it is performed using the Ramer-Douglas-Peucker algorithm.
  • step (c) provides a semi-automated cell counting method using a hemocytometer, characterized in that it is performed using a Mask R-CNN framework based on deep learning.
  • this invention provides the computer program for implementing the said method.
  • the present invention provides a computer-readable recording medium in which a computer program for executing the method is recorded.
  • the step of taking a microscope image using a hemocytometer is performed in the existing manual method, and the steps of extraction, cell detection, and cell counting of the area to be counted after that are performed in an automatic way, so that the manual method
  • the automatic method it is possible to provide a method that enables the user to count cells in an economical way without the fatigue caused by directly counting cells.
  • FIG. 1 is a flowchart of a semi-automated cell counting method using a hemocytometer according to the present invention.
  • FIG. 2 is a block diagram of a semi-automated cell counting method using a hemocytometer according to an embodiment of the present invention.
  • Figure 3 is a photograph showing the microscopic observation image of the cell culture medium using a hemocytometer by way of example.
  • FIG. 4 is a diagram schematically showing a grid grid of a blood cell calculator.
  • FIG. 5 is a flowchart illustrating a specific method of extracting a counting target area according to an embodiment of the present invention.
  • FIG. 6 is a block diagram illustrating an extraction unit for extracting a counting target area according to an embodiment of the present invention.
  • FIG. 7 is a photograph exemplarily illustrating a state in which a rectangular counting target area is finally filtered.
  • FIG. 1 is a flowchart of a semi-automated cell counting method using a hemocytometer according to the present invention
  • FIG. 2 is a block diagram of a semi-automatic cell counting method using a hemocytometer according to an embodiment of the present invention.
  • the semi-automatic cell counting method using a hemocytometer comprises the steps of (a) putting a cell culture solution in a hemocytometer chamber with a graduated grid, covering it with a glass cover, and taking a microscope image ( S100); (b) extracting a rectangular counting area from the image (S200); (c) detecting cells in the area to be counted (S300); and (d) counting the total number of cells in the cell culture medium from the number of cells in the counting target region (S400). ) is performed by the cell counting system 100 comprising
  • the hemocytometer is a microscope slide with a graduated grid designed for cell counting, and when the cell culture solution is dropped in the center of the chamber, covered with a glass cover, and observed under a microscope, an image as shown in Fig. 3 can be obtained, for example, Fig. 4
  • the grid grid of the blood cell calculator in Fig. 3 is schematically shown.
  • the step (a) (S100) is a step of putting a cell culture solution in a hemocytometer chamber, covering it with a glass cover, and taking a microscope image. After putting the culture solution and covering it with a glass cover, in the past, the user performed counting while counting the number of cells using a counting machine. can be obtained
  • the (b) step (S200) is a step of extracting a rectangular counting target area from the image by the extracting unit. For example, when a quadrilateral of four diagonals of the grid grid is used as the counting target area, This is the step of extracting the rectangular area.
  • 5 is a flowchart illustrating a specific method for extracting a counting target area in an embodiment of the present invention
  • FIG. 6 is a configuration diagram illustrating an extracting unit for extracting a counting target area in an embodiment of the present invention.
  • the step (b) includes: (b1) dividing the image into two based on color (S210); (b2) receiving the divided image and extracting an outline (S220); (b3) approximating the extracted contour to a polygon (S230); (b4) extracting a quadrangle from among the approximated polygons (S240); and (b5) filtering a rectangle within a predetermined size range among the rectangles as the count target area (S250). ), a contour extraction unit 112 , a polygon approximation unit 113 , a quadrangle extraction unit 114 , and a filtering unit 115 .
  • the color dividing unit 111 is for dividing a specific part through the color of the image. If you look at the grid in the blood cell calculator, you can see that the color is in a certain range. ' and '0' for other colors to divide the image into only the grid part.
  • the contour extraction unit 112 receives the divided image as an input to extract a contour, and uses an algorithm for extracting the contour, for example, by the method of Satoshi Suzuki and others (Satoshi Suzuki and others. Topological structural analysis of digitized binary images by border following. Computer Vision, Graphics, and Image Processing, 30(1):32-46, 1985.) can be used.
  • the polygon approximation unit 113 is for approximating the contour extracted by the contour extraction unit 112 to a polygon because it is not constant, and an algorithm for such approximation can be used, for example, the Ramer-Douglas-Peucker algorithm. This can be used.
  • the quadrangle extraction unit 114 receives the approximated polygon and extracts it only when it is a quadrangle.
  • the filtering unit 115 may have various sizes among the extracted quadrilaterals, so that only a quadrangle within a predetermined size range is finally filtered, for example, a grid of 0.25 mm ⁇ 0.25 mm in the lower right corner in FIG. 4 ( 4) can be extracted as the counting target area, and FIG. 7 exemplarily shows a square image that is finally filtered and extracted as the counting target area.
  • the (c) step (S300) is a step of detecting cells in the counting target area, and the detection unit 120 receives the image of the rectangular counting target area extracted in the (b) step (S200) to detect the cells.
  • the cell detection may be performed using a deep learning-based Mask R-CNN (Convolutional Neural Network) framework. That is, the detection unit 120 can learn the cell shape and subdivided data from a plurality of images of the cell culture medium using the Mask R-CNN framework. For example, after masking each of numerous images obtained by randomly taking micrographs of cell culture with different colors for each cell through the Mask R-CNN framework, the size, shape, type, etc. of the cells are determined based on the masked area. will learn At this time, since the cells identified through the Mask R-CNN framework are masked based on previously learned cells through at least tens of thousands of sample images for each type, other types other than the learned cells are not detected.
  • FIG. 8 exemplarily shows the result of detecting cells in the area to be counted through the Mask R-CNN framework, and images of cells masked with various colors (represented by differences in contrast in black and white drawings) can be confirmed.
  • the (d) step (S400) is a step of counting the cells detected in the (c) step (S300), and the counting unit 130 includes, for example, the Mask R-CNN frame detected by the detection unit 120 .
  • the final cell count is finalized by counting the masked portion through the work.
  • the semi-automatic cell counting method may be implemented in the form of program instructions that can be executed through various computer components and recorded in a computer-readable recording medium.
  • the computer-readable recording medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the program instructions recorded on the computer readable recording medium may be specially designed and configured for the present invention, or may be known and available to those skilled in the computer software field.
  • Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical recording media such as CD-ROMs and DVDs, and magneto-optical media such as floppy disks. optical media), and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
  • the hardware device may be configured to operate as one or more software modules for carrying out the processing according to the present invention, and vice versa.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Zoology (AREA)
  • Biochemistry (AREA)
  • Wood Science & Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Biomedical Technology (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biotechnology (AREA)
  • Evolutionary Computation (AREA)
  • Genetics & Genomics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Microbiology (AREA)
  • Sustainable Development (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Dispersion Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Medicinal Chemistry (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

세포 계수 방법에 있어, 수동 방식과 자동 방식의 장점을 취합한 반자동 세포 계수 방법이 개시된다. 본 발명은 (a) 눈금 격자가 있는 혈구계산기(hemocytometer) 챔버에 세포 배양액을 넣고 유리 커버로 덮은 후 현미경 이미지를 취하는 단계; (b) 상기 이미지로부터 사각형의 계수 대상 영역을 추출하는 단계; (c) 상기 계수 대상 영역 내의 세포를 검출하는 단계; 및 (d) 상기 계수 대상 영역 내 세포 수로부터 상기 세포 배양액 내 전체 세포 수를 계수하는 단계;를 포함하는 혈구계산기를 이용한 반자동 세포 계수 방법을 제공한다.

Description

혈구계산기를 이용한 반자동 세포 계수 방법
본 발명은 세포 계수 방법에 관한 것으로서, 보다 상세하게는 혈구계산기를 이용한 세포 계수 방법에 관한 것이다.
본원은 2020년 11월 30일자로 출원된 대한민국 특허출원 제10-2020-0163960호에 대한 우선권을 주장하며, 상기 특허출원의 내용들은 본원에서 참조로 인용된다.
세포 계수(cell counting)는 생명과학 분야에서 세포의 개수를 정량화하는 것으로, 이는 세포계산법(cytometry)의 한 종류로서 임상과 연구에 모두 적용된다. 일반적으로 액체 배지에서의 세포 계수는 단위 부피 당 세포의 개수로 표현되고, 이것은 농도로 나타낼 수 있다.
이러한 세포를 계수하는 방법은 수동 방식과 자동 방식으로 분류할 수 있다. 자동 방식은 일반적으로 세포를 염색해서 나타나는 색상들을 분석해서 계수한다. 다양한 세포에 대해서 각기 다른 염색 반응으로 인해 그 분석 방법이 신뢰도를 갖기 위해서 많은 연구들이 이루어지고 있고, 이는 기술 개발에 비용 상승으로 이어지고, 결국 자동 계수 장비의 비용 상승을 야기시킨다.
그래서 간단하게는 혈구계산기(hemocytometer) 등을 이용해서 연구자가 직접 수동으로 세포를 계수하는 방법을 이용하지만, 단순 반복 작업으로 연구자의 피로도를 야기시키고, 연구자의 주관적 판단에 영향을 받는 등의 단점이 있다.
[선행특허문헌]
- 한국 공개특허 제10-2017-0024515호(2017.03.07.)
- 한국 등록특허 제10-1700887호(2017.01.23.)
본 발명은 세포 계수 방법에 있어, 수동 방식과 자동 방식의 장점을 취합한 반자동 세포 계수 방법과, 이를 실행하기 위한 컴퓨터 프로그램 및 이를 기록한 컴퓨터 판독 가능한 기록 매체를 제공하고자 한다.
상기 과제를 해결하기 위한 제1 양태로서 본 발명은, (a) 눈금 격자가 있는 혈구계산기(hemocytometer) 챔버에 세포 배양액을 넣고 유리 커버로 덮은 후 현미경 이미지를 취하는 단계; (b) 상기 이미지로부터 사각형의 계수 대상 영역을 추출하는 단계; (c) 상기 계수 대상 영역 내의 세포를 검출하는 단계; 및 (d) 상기 계수 대상 영역 내 세포 수로부터 상기 세포 배양액 내 전체 세포 수를 계수하는 단계;를 포함하는 혈구계산기를 이용한 반자동 세포 계수 방법을 제공한다.
또한 상기 (b) 단계는, (b1) 상기 이미지에 대하여 색상을 기준으로 이분할하는 단계; (b2) 상기 이분할된 이미지를 입력받아 윤곽을 추출하는 단계; (b3) 상기 추출된 윤곽을 다각형으로 근사화하는 단계; (b4) 상기 근사화된 다각형 중 사각형을 추출하는 단계; 및 (b5) 상기 사각형 중 미리 지정된 크기 범위 내의 사각형을 상기 계수 대상 영역으로서 필터링하는 단계;를 포함하는 것을 특징으로 하는 혈구계산기를 이용한 반자동 세포 계수 방법을 제공한다.
또한 상기 (b3) 단계는 Ramer-Douglas-Peucker 알고리즘을 이용하여 수행되는 것을 특징으로 하는 혈구계산기를 이용한 반자동 세포 계수 방법을 제공한다.
또한 상기 (c) 단계는 딥러닝 기반의 Mask R-CNN 프레임워크를 이용하여 수행되는 것을 특징으로 하는 혈구계산기를 이용한 반자동 세포 계수 방법을 제공한다.
또한, 상기 과제를 해결하기 위한 제2 양태로서 본 발명은, 상기 방법을 실행하기 위한 컴퓨터 프로그램을 제공한다.
또한, 상기 과제를 해결하기 위한 제3 양태로서 본 발명은, 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체를 제공한다.
본 발명에 따르면, 세포 계수 방법에 있어 혈구계산기를 이용하여 현미경 이미지를 취하는 단계는 기존 수동 방식으로 진행하고, 이후 계수 대상 영역의 추출, 세포 검출 및 세포 계수 단계는 자동 방식으로 진행함으로써, 수동 방식과 자동 방식의 장점을 취합하여 사용자가 직접 세포 수를 계수하는 데에 따른 피로감 없이 경제적인 방법으로 세포를 계수할 수 있는 방법을 제공할 수 있다.
도 1은 본 발명에 따른 혈구계산기를 이용한 반자동 세포 계수 방법의 순서도이다.
도 2는 본 발명의 일 실시예에 따른 혈구계산기를 이용한 반자동 세포 계수 방법이 구현되는 구성도이다.
도 3은 혈구계산기를 이용한 세포 배양액 현미경 관찰 이미지를 예시적으로을 챔나타낸 사진이다.
도 4는 혈구계산기의 눈금 격자를 모식적으로 나타낸 도면이다.
도 5는 본 발명의 일실시예에서 계수 대상 영역을 추출하는 구체적인 방법을 나타낸 순서도이다.
도 6은 본 발명의 일 실시예에서 계수 대상 영역을 추출하는 추출부를 나타낸 구성도이다.
도 7은 사각형의 계수 대상 영역이 최종 필터링된 모습을 예시적으로 나타낸 사진이다.
도 8은 Mask R-CNN 프레임워크를 통해 계수 대상 영역 내에서 세포를 검출한 결과를 예시적으로 나타낸 사진이다.
이하에서는 본 발명의 바람직한 실시예를 첨부한 도면을 참고하여 상세하게 설명한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐리게 할 수 있다고 판단되는 경우 그 상세한 설명을 생략하기로 한다. 도면에서 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 생략하였고, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 부여하였다. 또한, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
도 1은 본 발명에 따른 혈구계산기를 이용한 반자동 세포 계수 방법의 순서도이고, 도 2는 본 발명의 일 실시예에 따른 혈구계산기를 이용한 반자동 세포 계수 방법이 구현되는 구성도이다.
도 1 및 2를 참조하면, 본 발명에 따른 혈구계산기를 이용한 반자동 세포 계수 방법은 (a) 눈금 격자가 있는 혈구계산기(hemocytometer) 챔버에 세포 배양액을 넣고 유리 커버로 덮은 후 현미경 이미지를 취하는 단계(S100); (b) 상기 이미지로부터 사각형의 계수 대상 영역을 추출하는 단계(S200); (c) 상기 계수 대상 영역 내의 세포를 검출하는 단계(S300); 및 (d) 상기 계수 대상 영역 내 세포 수로부터 상기 세포 배양액 내 전체 세포 수를 계수하는 단계(S400);를 포함하며, 이러한 세포 계수는 추출부(110), 검출부(120) 및 계수부(130)를 포함하는 세포 계수 시스템(100)에 의해 수행된다.
상기 혈구계산기는 세포 계수를 위해 고안된 눈금 격자가 있는 현미경 슬라이드로 세포 배양액을 챔버 가운데 떨어뜨리고 유리 커버로 덮은 뒤 현미경으로 관찰하게 되면 예컨대, 도 3에 나타낸 바와 같은 이미지를 얻을 수 있으며, 도 4는 도 3에서의 혈구계산기의 눈금 격자를 모식적으로 나타내고 있다.
도 3 및 도 4를 참조하면, 혈구계산기의 눈금 격자는 크게 가로 및 세로 1 mm의 정사각형 9개로 구성되는데, 가운데 중앙의 정사각형은 4개의 라인으로 분할되어 25칸이고, 대각선 방향의 4개의 정사각형은 각각 3개의 라인으로 분할되어 16칸이다. 일반적으로 대각선 방향의 네 칸에서 각각 세포 수를 계수한 다음 평균을 구하는 방식으로 수행된다. 예컨대, 혈구계산기의 1 ㎟ 한 칸의 부피는 0.0001 ㎖(0.1 cm × 0.1 cm × 0.01 cm = 0.0001 ㎤ = 0.0001 ㎖)이므로, 계수된 세포 수의 계산은 샘플 1 ㎖ 당 1 ㎟ 한 칸에 든 평균 세포 수에 104을 곱한 수 만큼 세포가 있다고 간주할 수 있다. 즉, 계수된 세포의 수가 105인 경우 샘플 1 ㎖ 안에는 105 × 104 = 1.05 × 106 개 만큼의 세포가 있다고 계산할 수 있다.
본 발명에서 상기 (a) 단계(S100)는 혈구계산기(hemocytometer) 챔버에 세포 배양액을 넣고 유리 커버로 덮은 후 현미경 이미지를 취하는 단계로서, 기존의 혈구계산기를 이용한 수동 방식과 유사하며, 다만, 세포 배양액을 넣고 유리 커버로 덮은 후 기존에는 사용자가 카운팅기를 이용하여 세포 수를 세면서 카운팅을 수행하였으나, 본 발명에서는 이러한 수작업을 진행하지 않고, 현미경 이미지만을 취하게 되고, 예컨대, 도 3과 같은 이미지를 얻을 수 있다.
상기 (b) 단계(S200)는 상기 추출부에서 상기 이미지로부터 사각형의 계수 대상 영역을 추출하는 단계로서, 예컨대, 상기 눈금 격자 중 대각선 방향의 네 칸의 사각형을 계수 대상 영역으로 할 경우 해당 크기의 사각형 영역을 추출하는 단계이다. 도 5에서는 본 발명의 일실시예에서 계수 대상 영역을 추출하는 구체적인 방법을 나타낸 순서도이고, 도 6은 본 발명의 일 실시예에서 계수 대상 영역을 추출하는 추출부를 나타낸 구성도이다.
도 5 및 도 6을 참조하면, 상기 (b) 단계는 (b1) 상기 이미지에 대하여 색상을 기준으로 이분할하는 단계(S210); (b2) 상기 이분할된 이미지를 입력받아 윤곽을 추출하는 단계(S220); (b3) 상기 추출된 윤곽을 다각형으로 근사화하는 단계(S230); (b4) 상기 근사화된 다각형 중 사각형을 추출하는 단계(S240); 및 (b5) 상기 사각형 중 미리 지정된 크기 범위 내의 사각형을 상기 계수 대상 영역으로서 필터링하는 단계(S250);를 포함할 수 있고, 이러한 과정을 진행하기 위해 상기 추출부(110)는 색상 분할부(111), 윤곽 추출부(112), 다각형 근사부(113), 사각형 추출부(114) 및 필터링부(115)를 포함할 수 있다.
상기 색상 분할부(111)는 상기 이미지의 색상을 통해 특정 부분을 분할하기 위한 것으로, 혈구계산기 내 격자를 보면 그 색상이 일정 범위에 있는것을 확인할 수 있는데, 여기서, 일정 범위의 색상에 대해서는 '1'로, 그 이외의 색상에 대해서는 '0'으로 이분할함으로써 격자 부분만의 이미지로 분할되도록 한다.
상기 윤곽 추출부(112)는 상기 분할된 이미지를 입력으로 받아 윤곽을 추출하기 위한 것으로, 윤곽을 추출하기 위한 알고리즘을 이용하고, 예컨대, Satoshi Suzuki 등의 방법(Satoshi Suzuki and others. Topological structural analysis of digitized binary images by border following. Computer Vision, Graphics, and Image Processing, 30(1):32-46, 1985.)이 이용될 수 있다.
상기 다각형 근사부(113)는 상기 윤곽 추출부(112)에서 추출된 윤곽이 일정하지 않기 때문에 이를 다각형으로 근사화하기 위한 것으로, 이러한 근사화를 위한 알고리즘을 이용할 수 있고, 예컨대, Ramer-Douglas-Peucker 알고리즘이 이용될 수 있다.
상기 사각형 추출부(114)에서는 상기 근사화된 다각형을 입력받아 이 중 사각형인 경우에 한해서만 추출하게 된다.
상기 필터링부(115)는 추출된 사각형 중에서도 그 크기가 다양할 수 있는데, 미리 지정된 크기 범위 내의 사각형만이 최종 필터링되도록 하여, 예컨대, 도 4에서 우측 하단 귀퉁이의 0.25 mm × 0.25 mm 크기의 격자(도 4 참조)만을 계수 대상 영역으로 추출할 수 있게 되며, 도 7에서는 최종 필터링되어 계수 대상 영역으로 추출된 사각형 이미지를 예시적으로 나타내고 있다.
상기 (c) 단계(S300)는 상기 계수 대상 영역 내의 세포를 검출하는 단계로서, 상기 검출부(120)에서 상기 (b) 단계(S200)에서 추출된 사각형의 계수 대상 영역의 이미지를 입력받아 세포 검출을 수행한다.
본 발명에서 상기 세포 검출은 딥러닝 기반의 Mask R-CNN(Convolutional Neural Network) 프레임워크를 이용하여 수행될 수 있다. 즉, 상기 검출부(120)는 Mask R-CNN 프레임워크를 이용하여 세포 배양액을 촬영한 다수의 이미지 상에서 세포 형태를 파악 및 세분화한 데이터를 학습할 수 있다. 예컨대, 세포 배양액 현미경 사진을 무작위로 촬영한 수 많은 이미지들 각각을 Mask R-CNN 프레임워크를 통해 세포 별로 서로 상이한 색상으로 마스킹한 후, 마스킹된 영역을 기초로 세포의 크기, 형태, 종류 등을 학습하게 된다. 이때, Mask R-CNN 프레임워크를 통해 파악되는 세포는 종류 별로 적어도 수 만개 이상의 샘플 이미지를 통해 기 학습된 세포를 토대로 마스킹이 이루어지므로, 학습된 세포 외의 다른 형태에 대해서는 검출되지 않도록 하게 된다. 도 8에서는 Mask R-CNN 프레임워크를 통해 계수 대상 영역 내에서 세포를 검출한 결과를 예시적으로 나타내고 있으며, 다양한 색상으로 마스킹된(흑백 도면에서는 명암의 차이로 나타남) 세포 이미지를 확인할 수 있다.
상기 (d) 단계(S400)는 상기 (c) 단계(S300)에서 검출된 세포를 계수하는 단계로서, 상기 계수부(130)는 상기 검출부(120)에서 검출된, 예컨대, Mask R-CNN 프레임워크를 통해 마스킹된 부분을 계수하여, 최종 세포 계수가 마무리된다.
이상 설명된 본 발명의 일 실시예에 따른 반자동 세포 계수 방법은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이나 컴퓨터 소프트웨어 분야의 당 업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크, 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상으로 본 발명의 바람직한 실시예를 도면을 참고하여 상세하게 설명하였다. 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다.
따라서, 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미, 범위 및 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
* 부호의 설명
100 : 세포 계수 시스템 110 : 추출부
111 : 색상 분할부 112 : 윤곽 추출부
113 : 다각형 근사부 114 : 사각형 추출부
115 : 필터링부 120 : 검출부
130 : 계수부

Claims (6)

  1. (a) 눈금 격자가 있는 혈구계산기(hemocytometer) 챔버에 세포 배양액을 넣고 유리 커버로 덮은 후 현미경 이미지를 취하는 단계;
    (b) 상기 이미지로부터 사각형의 계수 대상 영역을 추출하는 단계;
    (c) 상기 계수 대상 영역 내의 세포를 검출하는 단계; 및
    (d) 상기 계수 대상 영역 내 세포 수로부터 상기 세포 배양액 내 전체 세포 수를 계수하는 단계;
    를 포함하는 혈구계산기를 이용한 반자동 세포 계수 방법.
  2. 제1항에 있어서, 상기 (b) 단계는,
    (b1) 상기 이미지에 대하여 색상을 기준으로 이분할하는 단계;
    (b2) 상기 이분할된 이미지를 입력받아 윤곽을 추출하는 단계;
    (b3) 상기 추출된 윤곽을 다각형으로 근사화하는 단계;
    (b4) 상기 근사화된 다각형 중 사각형을 추출하는 단계; 및
    (b5) 상기 사각형 중 미리 지정된 크기 범위 내의 사각형을 상기 계수 대상 영역으로서 필터링하는 단계;
    를 포함하는 것을 특징으로 하는 혈구계산기를 이용한 반자동 세포 계수 방법.
  3. 제2항에 있어서,
    상기 (b3) 단계는 Ramer-Douglas-Peucker 알고리즘을 이용하여 수행되는 것을 특징으로 하는 혈구계산기를 이용한 반자동 세포 계수 방법.
  4. 제1항에 있어서,
    상기 (c) 단계는 딥러닝 기반의 Mask R-CNN 프레임워크를 이용하여 수행되는 것을 특징으로 하는 혈구계산기를 이용한 반자동 세포 계수 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 따른 방법을 실행하기 위한 컴퓨터 프로그램.
  6. 제1항 내지 제4항 중 어느 한 항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.
PCT/KR2020/019499 2020-11-30 2020-12-31 혈구계산기를 이용한 반자동 세포 계수 방법 WO2022114382A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0163960 2020-11-30
KR1020200163960A KR102505687B1 (ko) 2020-11-30 2020-11-30 혈구계산기를 이용한 반자동 세포 계수 방법

Publications (1)

Publication Number Publication Date
WO2022114382A1 true WO2022114382A1 (ko) 2022-06-02

Family

ID=81755135

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/019499 WO2022114382A1 (ko) 2020-11-30 2020-12-31 혈구계산기를 이용한 반자동 세포 계수 방법

Country Status (2)

Country Link
KR (1) KR102505687B1 (ko)
WO (1) WO2022114382A1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040010136A (ko) * 2003-07-07 2004-01-31 서인범 세포수 측정용 투명 격자 테이프
KR20050010709A (ko) * 2003-07-19 2005-01-28 주식회사 디지탈바이오테크놀러지 미세입자 계수 장치
US20150204771A1 (en) * 2012-09-13 2015-07-23 The Governing Council Of The University Of Toronto System And Method For Fetal And Maternal Red Blood Cell Counting
KR20160047432A (ko) * 2013-05-28 2016-05-02 세모메테크 에이/에스 이미지 형성 세포 계수기
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
KR20200102034A (ko) * 2019-02-20 2020-08-31 한양대학교 에리카산학협력단 세포 계수 장치 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040010136A (ko) * 2003-07-07 2004-01-31 서인범 세포수 측정용 투명 격자 테이프
KR20050010709A (ko) * 2003-07-19 2005-01-28 주식회사 디지탈바이오테크놀러지 미세입자 계수 장치
US20150204771A1 (en) * 2012-09-13 2015-07-23 The Governing Council Of The University Of Toronto System And Method For Fetal And Maternal Red Blood Cell Counting
KR20160047432A (ko) * 2013-05-28 2016-05-02 세모메테크 에이/에스 이미지 형성 세포 계수기
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
KR20200102034A (ko) * 2019-02-20 2020-08-31 한양대학교 에리카산학협력단 세포 계수 장치 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CHO MIGYUNG,, MOON SANGJUN, SHIM JAESOOL: "Optical Microscope Image Processing for Automated Cells Counting", JOURNAL OF KOREA INSTITUTE OF INFORMATION AND COMMUNICATION ENGINEERING, 30 August 2011 (2011-08-30), pages 1 - 7, XP055933958, Retrieved from the Internet <URL:https://www.koreascience.or.kr/article/JAKO201104153790486.pdf> [retrieved on 20220621] *

Also Published As

Publication number Publication date
KR20220075653A (ko) 2022-06-08
KR102505687B1 (ko) 2023-03-03

Similar Documents

Publication Publication Date Title
US10796429B2 (en) Systems and methods for area-of-interest detection using slide thumbnail images
CN103020585B (zh) 一种免疫组织阳性细胞和阴性细胞识别方法
JP2018503906A5 (ja) 共発現解析のためのシステム及び方法
US5764792A (en) Method and apparatus for processing images
US11880974B2 (en) Method and device for detecting circulating abnormal cells
US9147104B2 (en) Systems and methods for processing low contrast images
WO2019132589A1 (ko) 다중 객체 검출을 위한 영상 처리 장치 및 방법
Lyulko et al. Fast image analysis for the micronucleus assay in a fully automated high-throughput biodosimetry system
CN111639598A (zh) 车牌识别方法、车牌识别装置、车牌识别设备及存储介质
WO2017155158A1 (ko) 피부결 블랍을 기초로한 피부결 평가 장치 및 그 방법
Salsabili et al. Automated segmentation of villi in histopathology images of placenta
WO2022114382A1 (ko) 혈구계산기를 이용한 반자동 세포 계수 방법
WO2017183867A1 (ko) 생체의 심장 박동에 따른 지문 이미지의 미세한 밝기 변화에 기초하여 위조지문을 판별할 수 있는 위조지문 판별 장치 및 그 방법
Piórkowski et al. Color normalization approach to adjust nuclei segmentation in images of hematoxylin and eosin stained tissue
EP4212853A1 (en) Method and system for detecting cell killing efficacy and/or immune activity, and application thereof
ES2765748T3 (es) Clasificación de objetos en imágenes digitales
WO2022158843A1 (ko) 조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템
CN112330690B (zh) 基于显微图像的细胞分割方法、装置、设备及存储介质
WO2022107925A1 (ko) 딥러닝 객체 검출 처리 장치
Nautre et al. Detection of malaria parasites in thin red blood smear using a segmentation approach with U-Net
Dantas Oliveira et al. An automatic system for computing malaria parasite density in thin blood films
Nugroho et al. Saturation channel extraction of HSV color space for segmenting Plasmodium parasite
WO2021182671A1 (ko) 박스 레벨의 객체 위치 정보를 사용한 픽셀 레벨의 동영상 객체 추적 장치
WO2007081969A2 (en) Domain segmentation and analysis
WO2022164214A1 (ko) 진단키드 결과 이미지 내 스팟 검출 장치 및 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20963776

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20963776

Country of ref document: EP

Kind code of ref document: A1