[논문]미토콘드리아 절편의 여러 투사각에서 투과 전자 현미경으로 획득한 영상의 정합과 밝기 보정

김동식

미토콘드리아 절편의 여러 투사각에서 투과 전자 현미경으로 획득한 영상의 정합과 밝기 보정
Registration and Intensity Compensation of Tilted Images of the Mitochondria Section Obtained from the Transmission Electron Microscopy 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SP, 신호처리, v.46 no.3 = no.327, 2009년, pp.1 - 9

초록
AI-Helper

투과전자현미경(transmission electron microscopy)에서 특정 투사각에서 획득한 2차원으로의 투사 영상의 열을 사용하여 세포와 같은 물질의 3차원 구조를 복원한다. 이때 전처리 과정으로 2차원 투사 영상의 정확한 영상 정렬과 밝기 보정이 필요하다. 본 논문에서는 기준점(fiducial marker)을 사용한 정렬 방법을 이용하여 영상열을 정렬하고, 수십 장의 영상들의 상이한 밝기 특성을 일정하게 보정하는 방법을 제시하였다. 영상의 투과율 모델에 근거하여, 영상의 주변부의 밝기 정보를 사용하여 각 영상의 조명을 일정한 값으로 조정하고 투사각에 따라 대상의 밝기가 일정하게 변동하도록 밝기 보정을 수행하는 알고리듬을 제시하였으며, 실제 투과전자현미경으로부터 얻은 영상열을 사용하여 밝기 보정 알고리듬의 성능을 검증하였다.

Abstract ▼ AI-Helper

Using the projected 2-dimensional tilted images obtained from the transmission electron microscopy, we can reconstruct the 3-dimensional structures of objects, such as cells. As a preprocessing procedure, the tilted images should be registered and compensated in terms of the spatial position and the intensity difference, respectively. In this paper, we employ the fiducial marker-based approach to perform a registration, and introduce a simple intensity compensation scheme. Based on the transmissivity image formation model, we propose an algorithm that can compensate the components of the illumination and transmissivity of each image according to the tilted angle. Numerical analysis using real images obtained from the transmission electron microscopy are shown in this paper to show the performance of the proposed algorithm.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 장에서는 TEM 영상에서 물체인 미토콘드리아 부분과 배경을 분할하여 인덱스 집합인 佐와(為를 구하는 방법에 대하여 묘사하였다. 우선, 영상의 히스토그램을 기반으로 한 분할을 수행하기위하여 두 부류의 무게중심과 임계값을 반복적으로 구하는 방법을 사용하였다 [9], 이렇게 구한 임계값으로 영상을 임시로 물체와 배경으로 분할하고, 형태론적 (morphological) 필터如洌를사용하여 최종적으로 물체와 배경을 분리하여 각 영상에 대하여 인덱스 집합 와 貝諄 구하였다.
본장에서는 여러 장의 영상들을 투과율 모델에 근거하여 간단하게 밝기 보정할 수 있는 알고리듬을 제시하였다. 기본적으로 밝기 보정용 함수는 두 개의 계수만을 사용하는 1차 함수의 형태를 가진다(t= 1).

가설 설정

되도록 보정할 수 있다. 즉 영상열에서 이웃한, 투사각의 차이가 적은 영상 간에 형성된 물체는 서로 거의 일치한다는 가정 하에 상대적 밝기 보정을 시도할 수 있다. 예를 들면, 투사각이 0도인 영상의 밝기를 적절히 보완한 후에 이 보완 된 영상을 기준으로 하여 우선 바로 인접한 영상의 밝기를 보정하고, 그 다음으로 인접한 영상 쌍에 대하여 계속해서 상대적인 영상의 밝기 보정을 수행할 수 있다.

제안 방법

영상의 정렬을 위하여, 투사각 영상열의 정렬에 흔히 사용하는 기준점(:fiducial marker) 방벱師宙기을 사용하였으며, 수십 장이 되는 영상들의 밝기 특성을 일정하게 보정하는 것에 대하여 고찰하여 문제점을 제시하고 이를 보완하기 위하여 영상 형성의 투과율 모델에 기초한 밝기 보정 방법을 제안하였다. 또한 실제 TEM 으로부터 얻은 투사각 영상열을 사용하여 실험을 수행하였다. 그림 1 은 미토콘드리아 절편의 투사 영상으로 두께가 雹Onm인데, TEM에서 2도의 투사각 주기를 가지며 기울여 찍은 2차원 투사 영상의 예이다.
본 논문에서는 미토콘드리아의 3차원 구조 복원을 위한 전처리 과정으로, 미토콘드리아 표본의 절편을 염색하여 TEM으로 얻은 투사각 영상열을 정렬하고, 정렬된 영상들의 상이한 밝기 특성을 일정하게 보정하였다. 영상의 정렬을 위하여, 투사각 영상열의 정렬에 흔히 사용하는 기준점(:fiducial marker) 방벱師宙기을 사용하였으며, 수십 장이 되는 영상들의 밝기 특성을 일정하게 보정하는 것에 대하여 고찰하여 문제점을 제시하고 이를 보완하기 위하여 영상 형성의 투과율 모델에 기초한 밝기 보정 방법을 제안하였다.
본 논문에서는 표본에 교상체의 금 입자로 만들어진기준점(fiducial marker)올 사용하여 정렬한 투과전자현미경 (transmission electron microscopy, TEM)으로부터얻은 투사각 영상열의 밝기 보정을 수행하였다. 이는 궁극적으로 생체의 정확한 3차원 복원을 위한 것이다.
표본의 영상보다 대비가 강하므로 정확한 기준점을 만들 수 있으며 여러 장의 영상을 정확하고 강인하게 정렬시킬 수 있다. 본 실험에서는 이러한 기준점 기반의 정렬 방법을 사용하여 투사각 영상열을 정렬하였다. 이때 Penczek 등区에 의해 사용된 알고리듬을 사용하였는데 간단히 정리하면 다음과 같다.
영상의 정렬을 위하여, 투사각 영상열의 정렬에 흔히 사용하는 기준점(:fiducial marker) 방벱師宙기을 사용하였으며, 수십 장이 되는 영상들의 밝기 특성을 일정하게 보정하는 것에 대하여 고찰하여 문제점을 제시하고 이를 보완하기 위하여 영상 형성의 투과율 모델에 기초한 밝기 보정 방법을 제안하였다. 또한 실제 TEM 으로부터 얻은 투사각 영상열을 사용하여 실험을 수행하였다.
방법에 대하여 묘사하였다. 우선, 영상의 히스토그램을 기반으로 한 분할을 수행하기위하여 두 부류의 무게중심과 임계값을 반복적으로 구하는 방법을 사용하였다 [9], 이렇게 구한 임계값으로 영상을 임시로 물체와 배경으로 분할하고, 형태론적 (morphological) 필터如洌를사용하여 최종적으로 물체와 배경을 분리하여 각 영상에 대하여 인덱스 집합 와 貝諄 구하였다. 형태론적 필터링을 사용하는데 있어서, 물체 부분의 검출을 위하여 닫힘(closing) 연산을 먼저 적용하여 고립된 부분을 제거하고, 닫힘 연산 시에 사용된 구조요소 (structuring element)의 크기보다 큰 구조요소를 사용하여 열림 (opening) 연산을 적용하여 실제 물체보다 약간 작은 물체의 인덱스 집합을 (爲로 결정하였다.
이러한 상이한 밝기 특성을 보정하기 위하여 제 DI.1 절에서 언급한 상대적 밝기 보정 방법으로 우선 보정을 시도하였다. 35번째 영상을 기준으로 하여 앞뒤로 나가면서 순차적으로 전체 영상을 밝기 보정한 결과를 그림 4에 도시하였다.
이제 제안한 투과율 모델에 근거한 밝기 보정 알고리듬을 이용하여 보정을 수행한 결과를 제시하였다. 먼저 물체와 배경을 분할하여 각각의 평균을 구하는 과정을 그림 5와 6에 정리하였다.
우선, 영상의 히스토그램을 기반으로 한 분할을 수행하기위하여 두 부류의 무게중심과 임계값을 반복적으로 구하는 방법을 사용하였다 [9], 이렇게 구한 임계값으로 영상을 임시로 물체와 배경으로 분할하고, 형태론적 (morphological) 필터如洌를사용하여 최종적으로 물체와 배경을 분리하여 각 영상에 대하여 인덱스 집합 와 貝諄 구하였다. 형태론적 필터링을 사용하는데 있어서, 물체 부분의 검출을 위하여 닫힘(closing) 연산을 먼저 적용하여 고립된 부분을 제거하고, 닫힘 연산 시에 사용된 구조요소 (structuring element)의 크기보다 큰 구조요소를 사용하여 열림 (opening) 연산을 적용하여 실제 물체보다 약간 작은 물체의 인덱스 집합을 (爲로 결정하였다. 이는 물체와 배경의 경계에 해당하는 화소들이 물체 부분의 화소 값 평균을 구하는데 오류를 줄 수 있으므로 이들을 평균을 구하는데 고려하지 않기 위함이다.

대상 데이터

먼저 기준점을 이용한 투사각 영상의 정렬을 위하여교상체의 금 용액에 의해 기준점이 만들어진 미토콘드리아 절편을 -58도에서 60도까지 2도씩 기울여서 TEM 으로 얻은 영상 60장을 실험에 사용하였다. 이때 각 영상마다 동일한 17개의 기준점을 선정하여 정렬에 사용하였다.

이론/모형

따라서 이러한 크기 대비로 일반 생체 표본의 영상을 얻기 위해선 큰 원자량을 가지는 물질로 표본을 염색하는 음성염색(negative staining) 방법을 사용한다. 歐的 반면에 위상 대비를 이용하면 원자량이 작은 물체의 고화질 영상 취득에 유리하며ShM, 생체 물질을 급속 냉동시켜서 극저온 TEM(ciyo-TEM)으로 표본의 영상 획득이 가능하여, 바이러스 등의 3차원 복원을 할 수 있다.

성능/효과

예를 들면, 투사각이 0도인 영상의 밝기를 적절히 보완한 후에 이 보완 된 영상을 기준으로 하여 우선 바로 인접한 영상의 밝기를 보정하고, 그 다음으로 인접한 영상 쌍에 대하여 계속해서 상대적인 영상의 밝기 보정을 수행할 수 있다. 그러나 실험 결과에서 보면 중앙의 기준 영상으로부터 멀어짐에 따라 밝기 보정된 영상의 밝기 대비가 현저히 떨어짐을 관찰할 수 있다. 이는 이웃한 영상이 같은 물체를 담고 있다고 가정해서 구한 밝기 보정용 회귀 함수가 정확히 두 영상 간의 밝기 관계를 나타내는 함수와 어느 정도 오차가 있기 때문이다.
이는 궁극적으로 생체의 정확한 3차원 복원을 위한 것이다. 두장의 영상 쌍 간에 상대적인 밝기 보정 함수를 구해서 전체 영상을 보정하는 경우 영상의 대비가 떨어지는 등의 문제가 발생하였으나, 제안한 투과율 모델에 근거한 단순한 밝기 보정 방법으로 이러한 단점이 개선된 밝기 보정을 수행할 수 있었다.
&1B로 줄어들었음을 알 수 있다. 따라서 제안한 알고리듬이 비교적 간단한 방법으로 투사각 영상열의 밝기를 잘 보정해 줌을 알 수 있다.

참고문헌 (13)

J. Frank, Three-Dimensional Electron Microscopy of Macromolecular Assemblies. NY: Academic Press, 1996
J. Frank, Electron Tomography; Method for Three-Dimensional Visualization of Structures in the Cell. 2nd. ed. NY: Springer, 2006
B. Fultz and J. M. Howe, Transmission Electron Microscopy and Diffractometry of Materials. Berlin: Springer, 2001
R. C. Gonzalez and R. E. Woods, Digital Image Processing. 2nd. ed. NY: Prentice Hall, 2002
0D. S. Kim, S. Y. Lee, and K. Lee, "Empirical conditional mean: nonparametric estimator for comparametric exposure compensation," in Proc. IEEE ICASSP, Toulouse, France, May 2006, pp. II-957 - II-960
D. S. Kim and K. Lee, "Block-coordinate Gauss-Newton optimization and constrained monotone regression for image registration in the presence of outlier objects," IEEE Trans. Image Processing, vol. 17, no. 5, pp. 798-810, May 2008

상세보기
S. Mann, "Comparametric equations with practical applications in quantigraphic image processing," IEEE Trans. Image processing, vol. 9, no. 8, pp.1389-1406, 2000

상세보기
P. Penczek, M. Marko, K. Buttle, and J. Frank, "Double-tilt electron tomography," Ultramicro- scopy, vol 60, pp. 393-410, 1995

상세보기
T. Ridler and S. Calvard, "Picture thresholding using an iterative selection method," IEEE Trans. Systems Man Cybernet., vol. 8, no. 8, pp. 630-632, 1978

상세보기
A. Sen and M. Srivastava, Regression Analysis, Theory, Methods, and Applications. NY: Springer-Verlag, 1990
B. Zitova and J. Flusser, "Image registration methods: a survey," Image and Vision Computing, vol. 21, pp.977-1000, 2003

상세보기
김동식, 이기륭, "영상의 노출 보정을 고려한 공간 정합 알고리듬 연구," 대한전자공학회 논문집, 제 44권, SP 편, 제 2호, pp. 93-101, 2007년 3월

원문보기 상세보기
이준호, 이지호, 김동식, "정렬된 특정 투사 각도에서 획득한 TEM 영상열의 밝기 보정," 신호처리합동학술대회 논문집, 제 20권 1호, 대구, 2007년 10월

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증