$\require{mediawiki-texvc}$

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.

생물학적 영상 분석을 위한 자동 모바일 셀 계수 시스템

An Automatic Mobile Cell Counting System for the Analysis of Biological Image

Journal of Internet Computing and Services = 인터넷정보학회논문지, v.16 no.1, 2015년, pp.39 - 46  

서재준 (Department of Computer Science, Kyonggi University) ,  전준철 (Department of Computer Science, Kyonggi University) ,  이진성 (Department of Life Science, Kyonggi University)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 모바일 환경에서 미세세포 영상으로부터 셀을 자동 검출하고 계수하는 자동화 방법을 제시하였다. 셀 카운팅은 생물학 또는 병리학적 영상분석에 있어서 매우 중요한 과정이다. 과거에는 셀 카운팅은 수동적인 방법으로 진행되어 매우 지루하고 많은 시간을 필요로 하는 작업이었다. 이에 더하여 수동 계수 방법은 정확한 카운팅 결과를 도출하는데 어려움이 있었다. 따라서, 정확하고 일관된 셀 검출과 카운팅 결과를 생물학적인 영상으로부터 획득하기 위해서는 자동화방법이 필요하다. 제안된 다단계 셀 계수방법은 배양된 세포영상으로부터 셀을 자동으로 분할하고 분할된 셀의 위상학적 분석을 통하여 셀을 라벨링 한다. 셀 카운팅의 정확도를 높이기 위하여 워터쉐드 알고리듬에 의하여 서로 덩어리로 뭉쳐진 셀을 서로 분리하고 모폴로지 연산을 통하여 영상으로부터 획득한 개별 셀의 형태를 개선한다. 제안된 시스템은 모바일 환경에서 사용될 수 있도록 개발되었다. 따라서 셀 영상은 모바일 폰의 카메라로 획득하며 미세세포의 통계학적인 분석 데이터는 유비쿼터스 환경의 모바일 장치에 의해 전송 된다. 실험을 통하여 수동으로 계수한 셀의 숫자와 제안된 방법에 의해 자동 카운팅 된 셀의 수를 비교한 결과 제안된 방법이 매우 효과적이고 정확한 결과를 제시한다는 사실을 입증하였다.

Abstract AI-Helper 아이콘AI-Helper

This paper presents an automatic method to detect and count the cells from microorganism images based on mobile environments. Cell counting is an important process in the field of biological and pathological image analysis. In the past, cell counting is done manually, which is known as tedious and t...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • Nowdays the wide spread of ubiquitous smart space environments can lead the cell counting process applicable to the mobile devices such as smart phones. The purpose of this research is to develop an efficient and reliable automated cell counting technique for the images of cell samples obtained by a camera attached on a smart phone. The statical analysis of the cells by the proposed method should support consistent and reliable results regardless of variation of surrounding environments.
  • This paper introduces an automatic cell counting method from microorganism images on mobile environments. The proposed multi-step cell counting method automatically segments the cells from the image of cultivated microorganism and labels the cells by utilizing topological analysis of the segmented cells.

가설 설정

  • Definition 2: Steepest descent path from a pixel ‘p’ to minimum ‘m’ is a series of connected pixels originating from ‘p’; such that every descendent pixel in SDpath is smaller than its predecessor.
  • Definition 3: The catchment basin CatchBi associated with a regional minimum mi is the set of pixels p of DI such that a water drop falling at p flows down along the relief, following a certain descending path called the downstream of p, and eventually reaches M.
  • Definition 4: The distance between two pixels p and q belonging to a certain domain CatchB in an image is the minimum length of any path from p to q without leaving the domain CatchB.
본문요약 정보가 도움이 되었나요?

참고문헌 (13)

  1. N. Bandekar, A. Wong, D. Clausi and M. Gorbet, "A novel approach to automated cell counting for studying human corneal epithelial cell", 33rd Annual International Conference of the IEEE EMBS, pp. 5997-6000, 2011. http://dx.doi.org/10.1109/IEMBS.2011.6091482 

  2. P. Frolkovic, K. Mikula, N. Peyrieras, and A. Sarti, "Counting number of cells and cell segmentation using advection-diffusion equations", KYBERNETIKA, Vol 43, No. 6, pp. 817-829, 2007. http://dml.cz/dmlcz/135818 

  3. L. Balagopalan, E. Sherman, V. Barr, L. Samelson, "Imaging techniques for assaying lymphocyte activation in action", Nat Rev Immunology, Vol. 11, No.1, pp. 21-33, 2011. http://dx.doi.org/10.1038/nri2903 

  4. S. Kothari, Q. Chaudry and M. Wang, "Automated cell counting and cluster segmentation using concavity detection and ellipse fitting techniques", IEEE International Symposium on Biomedical Imaging: From Nano to Macro, pp.795-798, 2009. http://dx.doi.org/10.1109/ISBI.2009.5193169 

  5. M. Pons, H. Vivier, J. Remy and J. Dodds, "Morphological characterization of yeast by image analysis", Biotechnology and Bioengineering, vol. 42, no. 11, pp. 1352-1359, 1993. http://www.ncbi.nlm.nih.gov/pubmed/18612963 

  6. K. Zalewski and R. Buchholz, "Morphological analysis of yeast cells using an automated image processing system", Journal of Biotechnology, vol. 48, no. 1-2, pp. 43-49, 1996. http://dx.doi.org/10.1016/0168-1656(96)01503-9 

  7. D. Young, C. Glasbey, A. Gray and N. Martin, "Towards automatic cell identification in DIC microscopy", Journal of Microscopy, vol. 192, no. 2, pp. 186-193, 1998. http://www.ncbi.nlm.nih.gov/pubmed/9853375 

  8. P. Bamford and B. Lovell, "Unsupervised cell nucleus segmentation with active contours", Signal Processing, vol. 71, no. 2, pp. 203-213,1998. http://dx.doi.org/10.1016/S0165-1684(98)00145-5 

  9. C. Li, C. Xu, C. Gui, and M. D. Fox, "Distance Regularized Level Set Evolution and its Application to Image Segmentation", IEEE Transactions on Image Processing, Vol. 19, No. 12, pp. 3243-3254, 2010. http://dx.doi.org/10.1109/TIP.2010.2069690 

  10. G. Borgefors, "Distance transformations in digital images", Computer Vision, Graphics and Image Processing, Vol. 34, pp. 344-371, 1986. http://dx.doi.org/10.1016/S0734-189X(86)80047-0 

  11. J. B. T. M. Roerdink and A. Meijster, "The watershed transform: definitions, algorithms, and parallellization strategies", Fundamenta Informaticae, Vol. 41, pp.187-228, 2000. 

  12. Nassir Salman "Image Segmentation Based on Watershed and Edge Detection Technique", The International Arab Journal of Information Technology, Vol. 3, No. 2 pp. 104-110, 2006. 

  13. Suphalakshmi. A, and Anandhakumar P "An Improved Fast Watershed Algorithm based on finding the Shortest Paths with Breadth First Search", International Journal of Computer Applications, Vol. 44, No. 11, pp. 1-9, 2012. 

저자의 다른 논문 :

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

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