$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 적응적 관심윈도우 기반의 세포영상 분할 기법
AAW-based Cell Image Segmentation Method 원문보기

정보처리학회논문지. The KIPS transactions. Part B. Part B, v.14B no.2, 2007년, pp.99 - 106  

서미숙 (계명대학교 컴퓨터공학) ,  고병철 (계명대학교 컴퓨터공학과) ,  남재열 (계명대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 적응적 관심영역(AAW: Adaptive Attention Window)에 기반한 세포영상 분할 기법을 제안한다. 적응적 관심영역은 분할하기 위해, 명암지도를 이용하여 초기 관심윈도우(IAW: Initial AW)를 생성한다. 생성된 초기 관심윈도우는 쿼드-트리 분할을 이용하여 실제의 관심영역(ROI: Region of Interest)과 유사한 크기가 될 때까지 축소된다. 이렇게 생성된 적응적 관심윈도우는 세포 영상에서 배경을 제거하고 관심영역 추출의 처리 시간을 줄이기 위해서 사용된다. 마지막으로 적응적 관심영역 안에서 영역을 분할하고, 관심영역만을 분리하기 위한 영역 병합과 제거를 수행한다. 실험에서 제안된 기법은 세포영상의 관심영역을 효과적으로 분리하여 인간 시각과 유사한 향상된 영상 분할 결과를 보여준다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we present an AAW(Adaptive Attention Window) based cell image segmentation method. For semantic AAW detection we create an initial Attention Window by using a luminance map. Then the initial AW is reduced to the optimal size of the real ROI(Region of Interest) by using a quad tree seg...

주제어

#적응적 관심윈도우   #세포영상   #관심영역   #분할   #쿼드-트리  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 것이다. 나아가 추출된 정보를 결합하여 질병에 대한 진단을 자동적으로 결정하고, 진단에 대한 사용자 주관의 적합성 피드백이 가능하게 하여 보다 향상된 진단 보조 시스템으로 개발하고자 한다.
  • 본 논문에서는 세포영상의 관심영역 추출을 위한 적응적 관심 윈도 우의 자동 검출 및 영역 분할 기법을 제안한다. 제안된 기법은 인간 시각에 기반한 초기 관심윈도우(IAW : Initial Attention Window)를 생성하고 쿼드-트리 (quad-tree) 분할을 이용하여 실제 관심영역에 가까운 적응적 관심윈도우 (AAW: Adaptive Attention Window)를 생성한다.
  • 본 논문에서는 유사 영상 검색과 임상 진단을 위한 영상분석 알고리즘으로써, 적응적 관심윈도우 기반의 세포영상분할 기법을 제안하였다. 제안된 기법은 추출된 적응적 관심윈도우에 대해서만 분할을 수행함으로써 영상 처리 시간을 단축시킬 수 있을 뿐만 아니라, 보다 정밀한 관심 영역을 추출할 수 있다.
  • 본 논문에서는 제시된 문제점을 해결하고 영상 분할을 위한 영역 분할의 처리시간을 줄이기 위해, 쿼드-트리 (quad-tree)Bl]을 이용하여 사각형 모양의 초기 관심윈도우를 최대한 관심영역의 크기와 비슷한 형태를 가지는 적응적 관심 윈도 우로 추출하는 방법을 제안한다. 적응적 관심윈도우를 설정하기 위한 수도코드는 (그림 4)와 같다.
  • 이 논문에서는 정확한 세포의 위치를 찾아내기 위하여, 명시야 현미경(bright field microscope)으로 획득한 영상 안에 포함된 세포영역을 분할하였다. 또한 영상분할의 결과로 분리된 영역들에 대하여 세포와 비 세포 영역을 자동적으로 구별해내는 분류(classification) 기법을 제안하였다.

가설 설정

  • 된다. 명암지도가 추출되면, 이를 이용하여 초기 관심윈도우를설정한다. 초기 관심윈도우(IAW)의 크기는 영상의 가로, 세로의 3/4 크기를 갖는 사각형으로 설정된다.
본문요약 정보가 도움이 되었나요?

참고문헌 (13)

  1. Choi H-K, Hwang H-G, Kim M K and Kim T Y: 'Design of the breast carcinoma cell bank system,' Enterprise Networking and Computing in Healthcare Industry, pp.88-99, 2004 

  2. Wong K-M, Cheung K W and Po L M. 'MIRROR: an interactive content based image retrieval system,' IEEE Int. Conf. on Circuits and Systems, Vol.2, pp.1541-1544, 2005 

    crossref

  3. Kuo P-J and Aoki, T., H. 'PARIS: A Personal Archiving and Retrieving Image System,' Information and Telecommunication Technologies, pp.122-125, 2005 

  4. D. Comaniciu and P. Meer, 'Mean Shift : A Robust Approach Toward Feature Space Analysis,' IEEE Trans. on Pattern Recognition and Machine Intelligence, Vol.24, pp.603-619, 2000 

    상세보기 crossref

  5. D. Comaniciu, D. Foran and P. Meer, 'Shape Based Image Indexing and Retrieval for Diagnostic Pathology Images,' Int. Conf. on Pattern Recognition, Brisbane, Australia, pp.902-904, 1998 

    crossref

  6. D. Comaniciu, P. Meer, D. Foran and A. Medl, 'Bimodal System for Interactive Indexing and Retrieval of Pathology Images,' IEEE Workshop on Application of Comp. Vis., Princeton, New Jersey, pp.76-81, 1998 

    crossref

  7. S. -O. Ropers, A. A. Bell, T. Wurflinger, A. Bocking and D. Meyer-Ebrecht, 'Automatic scene comparison and matching in multimodal cytopathological microscopic images,' IEEE, Image Processing, Vol. 1, pp.1145-1148, 2005 

    crossref

  8. W. Barhoumi, E. Zagrouba, 'Towards a Standard Approach for Medical Image Segmentation,' ACS/IEEE. Int. Conf. Computer Systems and Applications, pp.130, 2005 

    crossref

  9. M. Tscherepanow, F. Zollner and F. Kummert, 'Classification of segmented regions in brightfield microscope images,' IEEE, Int. Conf. on Pattern Recognition, Vol. 3, pp.972-975, 2006 

    crossref

  10. SooYeong Kwak, ByoungChul Ko and Hyeran Byun, 'Automatic Salient object Extraction using the Contrast Map and Salient Points,' Lecture Notes in Computer Science, Vol. 3332, pp.138-147, 2004 

  11. Anil K. Jain, Fundamental of digital image processing, Practice Hall, International Edition,1989 

  12. L. Itti, C. Koach and E. Niebur, 'A model of saliency based visual attention for rapid scene analysis,' IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 20, No.11, pp.1254-1259, 1998 

    상세보기 crossref

  13. B. C. Ko and H. Byun, 'Frip: A region-based image retrieval tool using automatic image segmentation and stepwise boolean and matching,' IEEE Trans. on Multimedia, Vol. 7, No. 1, pp.105-113, 2005 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

유발과제정보 저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로