Fourier Ptychographic Microscopy 영상에서의 딥러닝 기반 디지털 염색 방법 연구 (Deep Learning Based Digital Staining Method in Fourier Ptychographic Microscopy Image)

서지정보

· 발행기관 : 한국융합신호처리학회
· 수록지 정보 : 융합신호처리학회 논문지 / 23권 / 2호 / 97 ~ 106페이지
· 저자명 : 황석민, 김동범, 김유정, 김여린, 이종하

초록

본 연구에서 세포를 분별하기 위해 H&E 염색이 필요하다. 직접 염색하는 많은 비용과 시간이 필요하다. H&E 염색되지 않은 세포의 Phase image에서 H&E 염색이 된 세포의 Amplitude image로 변환하는 것이 목적이다. FPM으로 촬영한 Image data를 가지고 Matlab을 이용해 매개변수를 변경해 Phase image와 Amplitude image를 만들었다. 정규화를 통해 육안으로 식별이 가능한 이미지를 얻었다. GAN 알고리즘을 이용해 Phase image를 기반으로 Real Amplitude image와 비슷한 Fake Amplitude image를 만들고 Fake Amplitude image를 가지고 MASK R-CNN을 이용하여 세포를 분별하여 객체화를 통해 구분했다. 연구 결과 D loss의 max는 3.3e-1, min은 6.8e-2, G loss max는 6.9e-2, min은 2.9e-2, A loss는 max 5.8e-1, min는 1.2e-1, mask rcnn max는 1.9e0, min은 3.2e-1이다.

영어초록

In this study, H&E staining is required to distinguish cells, but there are many disadvantages, so the purpose of this study is to convert from H&E staining cell phase image to H&E staining cell amplitude image. To this end, phase image and amplitude image were created by changing parameters using Matlab with image data captured by AAA stained cells with FPM, and images that can be visually identified were obtained through normalization. Using the GAN algorithm, a fake amplitude image similar to a conventional amplitude image was created based on a phase image, and cells were distinguished and objectified using MASK R-CNN.

참고자료

· 없음