[논문]병리 정보 시스템을 위한 이미지 외곽선 추출 기법 연구

오상윤

doi:10.3745/ktsde.2016.5.10.489

문제 정의

Canny가 1986년에 개발하여 발표한 다단계 경계 검출 계산법 중 하나이다[11]. Canny 알고리즘은 1) 정확한 외곽선 탐지, 2) 검출된 외곽 선의 높은 위치 정확성, 3) 검출된 외곽선들은 실제 외곽선을 중복 검출하지 않도록 하는 조건들을 만족하는 최적의 외곽선 검출방법을 찾는 것을 목표로 한다.
Canny 선형알고리즘은 정확한 외곽선 탐지, 검출된 외곽 선의 높은 위치 정확성, 검출된 외곽선들은 실제 외곽선을 중복 검출하지 않도록 하는 조건들을 만족하는 최적의 외곽 선을 발견하는 것을 목표로 설계되었다. 따라서 노이즈 저항과 정확한 경계 검출이라는 두 조건을 만족시키는 우수한 결과를 제공할 수 있어서, 노이즈가 섞이기 쉽고 목표 사물 인식 후 분석 작업을 위해 매우 정확한 경계 검출을 요구하는 병리 이미지 외곽선 추출에 적합하다.
본 논문이 제시한 새로운 DGPS 병리 이미지 외곽선 추출 방식의 성능을 측정하기 위해, 기존 DGPS에서 사용되는 Sobel 기반의 이미지 외곽선 추출 방식과 제안 방식을 비교 하는 실험을 진행하였다. 실험 데이터는 무작위로 선정한 일반 병리 이미지, 기존 알고리즘이 식별하는데 문제가 있었던 병리 이미지들, 그리고 새로이 이미지 노이즈를 추가한 시험 이미지를 사용하였으며, 시스템의 분석 기능은 OpenCV와 C++로 구현하였다.
DGPS시스템에서 사용하는 소프트웨어가 병리 이미지의 특성을 고려하지 않은 일반적인 이미지 분석 알고리즘을 그대로 사용하여 이미지 외곽선 인식을 진행하게 되면, 이미지 상의 노이즈에 대한 영향을 많이 받거나 인식된 경계 위치가 불확실하여 사진을 성공적으로 식별하지 못하는 문제가 빈번하게 발생하게 된다. 본 장에서는 기존 병리 이미지 처리 방식의 문제점을 제시하고, 이를 보완하여 병리 이미지 외곽선을 보다 정확하게 추출하기 위한 Canny 알고리즘 기반 눈금자 기준 적응형 임계치 설정 방식을 제안한다.
이에 본 논문에서는 보다 정확하고 효과적인 병리 이미지 외곽선 추출 방식을 제안하기 위해 여러 이미지 인식 알고리즘들의 장ㆍ단점을 분석하였으며, 병리 이미지 처리 환경을 고려하는 경우 가장 보편적으로 활용되고 있는 Sobel 알고리즘과 그리고 이를 개선한 Laplace 알고리즘 대비 임계치 설정이 가능한 Canny 알고리즘을 병리 이미지 외곽선 추출에 적합한 알고리즘으로 제안한다. 또한 Canny 알고리즘에서 나타나는 비적응적인 임계값 결정 문제를 보완하고 병리 이미지 분석에 필수적인 단위값(Unit Value)의 동시 인식을 위해 Canny 알고리즘의 적응형 설정(Adaptive Configuration) 과 함께 임계값의 눈금선 기준 제안을 포함하는 새로운 외곽선 추출 방식을 제안한다.
하지만, 여기에서 처리하는 병리 이미지들은 일반적인 디지털 이미지와 상이한 특징을 가지고 있으며, 일반적인 디지털처리기술은 이러한 이미지 처리에 있어서 그 효과가 제한적이다. 이에 본 논문은 병리 정보 시스템 중 DGPS에 대한 이미지처리 알고리즘을 분석하고, Canny 알고리즘을 기반으로 새로운 DGPS 이미지인식기능을 제안하였다.
병리 이미지에 Canny 알고리즘을 이용하여 조직의 이미지를 기준으로 임계값을 설정한후 조직의 외곽선과 눈금자 외곽선을 동시에 추출하면, 외곽선 인식 정확도가 매우 떨어진다. 이에 본 연구에서는 병리 이미지 외곽선 인식을 위한 Canny 알고리즘의 임계값을 눈금자 이미지를 기준으로 정하는 방식을 제안한다.

가설 설정

그러나 Laplace알고리즘은 두 가지 단점이 있다. 첫째, 외곽선방향 정보를 잃는다는 점이다. 둘째, Laplace는 2차 미분함수 때문에 1차 미분함수가 포함된 Sobel 알고리즘과 비교했을 때 이미지 중 노이즈 영향이 두 배로 증가한다.

제안 방법

실험에 사용된 이미지는 Table 2와 같으며, 무작위로 선정된 병리 이미지 50장과 기존 방식으로는 인식할 수 없는 이미지 30장, 의도적으로 노이즈를 추가한 이미지 20장, 총 100 장의 병리 이미지를 이용하여 진행하였다. Table 1과 같은 실험 환경에서 각각 30회 반복하여 이미지에서 눈금자를 추출하고 1cm 구간의 성공적인 인식 여부를 확인하였다.
이에 본 논문에서는 보다 정확하고 효과적인 병리 이미지 외곽선 추출 방식을 제안하기 위해 여러 이미지 인식 알고리즘들의 장ㆍ단점을 분석하였으며, 병리 이미지 처리 환경을 고려하는 경우 가장 보편적으로 활용되고 있는 Sobel 알고리즘과 그리고 이를 개선한 Laplace 알고리즘 대비 임계치 설정이 가능한 Canny 알고리즘을 병리 이미지 외곽선 추출에 적합한 알고리즘으로 제안한다. 또한 Canny 알고리즘에서 나타나는 비적응적인 임계값 결정 문제를 보완하고 병리 이미지 분석에 필수적인 단위값(Unit Value)의 동시 인식을 위해 Canny 알고리즘의 적응형 설정(Adaptive Configuration) 과 함께 임계값의 눈금선 기준 제안을 포함하는 새로운 외곽선 추출 방식을 제안한다.
먼저, 본 연구에서는 기존에 DGPS에서 사용되던 Sobel 알고리즘 대신에 Canny 알고리즘을 비교 분석을 통해 채택 하였다. Canny 알고리즘은 경계 검출 방면에서 매우 좋은 효과를 보이고 있어서 경계 검측이 필요한 응용에 광범위하게 사용되고 있다.
본 논문에서 제안하는 DGPS 외곽선 추출 알고리즘에서는 기존에 널리 사용되지 않았던 Canny 알고리즘의 문제점을 보완하여 적용하고 또한 적응적인 임계값 설정을 통해 상기 두 가지 문제점을 해결한다.
본 논문에서 제안하는 DGPS를 위한 외곽선 추출 방법은 Canny 알고리즘을 기반으로 하여 눈금선 기준과 자동화된 적응형 임계값 설정이라는 두 가지 새로운 개선점을 적용하였다.
본 논문에서는 위의 수식을 이용하여 각 병리 이미지의 외곽선을 인식하기 위한 적응적 임계값 설정을 진행한다. 이와 함께 병리 이미지 상의 목표 물체의 크기를 정확하게 측정하기 위해 눈금자 기준 임계값 설정을 추가로 적용하여 이미지에서 사용된 눈금자의 눈금 단위를 측정한다.
본 연구에서는 각 입력 이미지마다 이미지 특성에 맞는 적정 임계값을 지정하기 위해 그레이스케일 최대값에 기반 하여 적정 임계값을 적응적으로 구하는 방법을 적용하였다[14]. 한 이미지안의 픽셀 집합 S 에서 그레이스케일 최대값을 gs라 하였을 때, 후보 경계들 중 Strong 경계를 판별하기 위한 상위 임계값 Threshold_high와 후보 경계들 중 제거 대상을 판별하기 위한 하위 임계값 Threshold_low는 각 이미지에 대해 다음과 같은 수식을 이용하여 평가한다.
병리 이미지는 목표 물체 이외의 노이즈가 이미지 상에 섞여 있는 경우가 빈번하고, 의료 분야 특성상 목표 사물을 매우 정확하게 인식해야 한다는 특징이 있다. 본 장에서는 노이즈가 섞인 병리 이미지 데이터의 외곽선 추출 과정의 정확도를 높일 수 있는 외곽선 추출 알고리즘을 선별하기 위해 이미지 외곽선 추출에 사용되는 알고리즘들의 원리와 특징을 분석하고 비교한다.
Table 3은 실험사진의 종류별 식별율을 비교하여 나타낸다. 사진의 종류는 각각 무작위로 선택한 사진, 기존 방식으로는 인식할 수 없는 사진, 그리고 의도적으로 노이즈가 추가된 사진, 총 세 가지로 나누었다. 무작위로 선정한 병리사진을 사용한 실험에서는 기존 방식의 경우 총 50장 중 35장의 사진을 인식하여 70%의 식별율을 보였으며, 제안한 방식은 46장의 사진을 성공적으로 인식하여 92%의 식별율을 달성하여 기존 방식에 비해 약 30% 높은 식별 성능을 확인할 수 있었다.
외곽선 인식 성능 평가는 병리 이미지의 눈금자 구역에서각 병리 조직의 크기 추정에 중요하게 사용되는 1cm 구간의 인식률(recognition rate)을 기준으로 진행되었다. 각 눈 금자에서 1cm 구간 인식은 알고리즘으로 계산된 눈금자의 1cm 픽셀 값이 실제 눈금자의 간격과 일치하는 경우 인식이 성공한 것으로 간주한다.
제안은 병리 이미지 분석을 위해 눈금자를 새로운 임계값 기준으로 삼고, 임계값도 능동적으로 설정하는 방식을 추가한 새로운 DGPS 이미지 인식 방안이다. 이 방법은 이미지 노이즈 제거에 효과적이어서, 병리 이미지의 식별율과 정확성을 향상시키게 되며, 이를 검증하기 위해 다양한 실험을 진행하여 이미지 식별 기능의 기존 대비 우수한 성능을 검증하였다.
반대로 눈금자를 인식하지 못하거나 실제 눈금자의 간격과 다른 경우 인식이 실패한 것으로 판단한다. 이를 기준으로 기존 방식과 제안 방식의 인식 성능을 비교 분석하였다.
이를 위해 먼저 디지털 이미지 처리기술을 분석하고, 이미지 외곽선 검측영역의 개념과 알고리즘의 기초를 분석하였다. 이와 함께 기존의 알고리즘에 대한 장점ㆍ단점을 분석하고, 병리 이미지의 특수한 환경을 분석하여 샘플 수집시 쉽게 오염되는 제한점을 식별하고 이를 해결하기 위한 Canny 알고리즘 기반의 새로운 외곽선 추출 방식을 제안하였다.
이를 위해 먼저 디지털 이미지 처리기술을 분석하고, 이미지 외곽선 검측영역의 개념과 알고리즘의 기초를 분석하였다. 이와 함께 기존의 알고리즘에 대한 장점ㆍ단점을 분석하고, 병리 이미지의 특수한 환경을 분석하여 샘플 수집시 쉽게 오염되는 제한점을 식별하고 이를 해결하기 위한 Canny 알고리즘 기반의 새로운 외곽선 추출 방식을 제안하였다. 제안은 병리 이미지 분석을 위해 눈금자를 새로운 임계값 기준으로 삼고, 임계값도 능동적으로 설정하는 방식을 추가한 새로운 DGPS 이미지 인식 방안이다.
본 논문에서는 위의 수식을 이용하여 각 병리 이미지의 외곽선을 인식하기 위한 적응적 임계값 설정을 진행한다. 이와 함께 병리 이미지 상의 목표 물체의 크기를 정확하게 측정하기 위해 눈금자 기준 임계값 설정을 추가로 적용하여 이미지에서 사용된 눈금자의 눈금 단위를 측정한다.
이와 함께 기존의 알고리즘에 대한 장점ㆍ단점을 분석하고, 병리 이미지의 특수한 환경을 분석하여 샘플 수집시 쉽게 오염되는 제한점을 식별하고 이를 해결하기 위한 Canny 알고리즘 기반의 새로운 외곽선 추출 방식을 제안하였다. 제안은 병리 이미지 분석을 위해 눈금자를 새로운 임계값 기준으로 삼고, 임계값도 능동적으로 설정하는 방식을 추가한 새로운 DGPS 이미지 인식 방안이다. 이 방법은 이미지 노이즈 제거에 효과적이어서, 병리 이미지의 식별율과 정확성을 향상시키게 되며, 이를 검증하기 위해 다양한 실험을 진행하여 이미지 식별 기능의 기존 대비 우수한 성능을 검증하였다.

대상 데이터

본 논문이 제시한 새로운 DGPS 병리 이미지 외곽선 추출 방식의 성능을 측정하기 위해, 기존 DGPS에서 사용되는 Sobel 기반의 이미지 외곽선 추출 방식과 제안 방식을 비교 하는 실험을 진행하였다. 실험 데이터는 무작위로 선정한 일반 병리 이미지, 기존 알고리즘이 식별하는데 문제가 있었던 병리 이미지들, 그리고 새로이 이미지 노이즈를 추가한 시험 이미지를 사용하였으며, 시스템의 분석 기능은 OpenCV와 C++로 구현하였다.
실험에 사용된 이미지는 Table 2와 같으며, 무작위로 선정된 병리 이미지 50장과 기존 방식으로는 인식할 수 없는 이미지 30장, 의도적으로 노이즈를 추가한 이미지 20장, 총 100 장의 병리 이미지를 이용하여 진행하였다. Table 1과 같은 실험 환경에서 각각 30회 반복하여 이미지에서 눈금자를 추출하고 1cm 구간의 성공적인 인식 여부를 확인하였다.
Table 1은 성능 평가에 사용된 실험 환경이다. 실험에서 사용된 병리 이미지들은 아주대학교 병리과와 Humintec[15]에서 학술용으로 제공받은 것이며, 실제 환자의 병리조직 이미지이다. 이미지에는 눈금선의 외곽선을 인식한 빨간색 틀과 자동으로 인식한 1cm구역 녹색라인이 포함되어 있다.

데이터처리

제안 방법의 성능 평가를 위해 본 논문이 제안한 Canny 알고리즘 기반의 적응형 임계값 설정 및 눈금선을 기준으로 하는 새로운 외곽선 추출 방법을 적용한 병리 이미지의 처리 결과 기존 Canny 알고리즘을 그대로 적용했을 때의 처리 결과와 비교하고, 제안한 변형된 Canny 알고리즘의 인식 률을 기존 DGPS에서 사용하던 Sobel 기반 병리 이미지 인식률과 비교하였다.

이론/모형

Laplacian 함수는 실제로는 Sobel 알고리즘을 이용하여 계산한다. Sobel 알고리즘 계산을 통해 이미지의 x 방향 및 y 방향 함수를 구하여 입력한 이미지의 Laplacian 변화의 값을 얻는다.
Sobel 알고리즘은 픽셀의 위와 아래, 좌와 우 근처점의 그레이 스케일 가중치법을 이용하여 외곽선검측을 진행한다. Sobel 알고리즘은 외곽선 검증 결과가 우수할 뿐 아니라, 외곽선 검측의 중점을 마스크를 중심으로 대상 픽셀과 가까운 픽셀에 두기 때문에 노이즈의 영향을 비교적 덜 받는다고 보고되고 있다[12].

성능/효과

그러나 Canny 알고리즘은 계산된 픽셀 경사도 폭 값에 기반을 두어 확실한 경계들을 연결하여 최종 경계들을 결정 하게 되는데, 이를 위해 두 개의 임계값을 사전에 정의해야 한다. 구체적으로, 픽셀의 경사도 폭 값을 평가하여 픽셀 경사도 폭 값이 커 확실한 경계로 구분하기 위한 상위 임계값과 픽셀 경사도 값이 작아 후보 경계에서 제거하기 위한 하위 임계값을 미리 정의하여야 병리 이미지 하단의 눈금자에서 1cm를 정확하게 식별할 수 있다.
기존 방식으로는 식별하지 못했던(식별율 0%) 병리 사진 들의 경우 새로 제안한 방식에서 30장 중 25장, 즉 83%의 인식률을 달성하였다. 마지막으로, 의도적으로 이미지 노이즈가 추가된 사진을 사용한 실험에서는 기존 방식의 경우 20장 중 3장을 성공적으로 인식(15%의 인식률)하였으며, 제안하는 DGPS는 이 실험에서 75% 인식률을 보여 기존 대비 500% 높은 인식률을 보였다.
첫째, 외곽선방향 정보를 잃는다는 점이다. 둘째, Laplace는 2차 미분함수 때문에 1차 미분함수가 포함된 Sobel 알고리즘과 비교했을 때 이미지 중 노이즈 영향이 두 배로 증가한다. 이에 따라 일부분은 외곽선을 잃고, 일부분의 외곽선은 단절된다.
Canny 선형알고리즘은 정확한 외곽선 탐지, 검출된 외곽 선의 높은 위치 정확성, 검출된 외곽선들은 실제 외곽선을 중복 검출하지 않도록 하는 조건들을 만족하는 최적의 외곽 선을 발견하는 것을 목표로 설계되었다. 따라서 노이즈 저항과 정확한 경계 검출이라는 두 조건을 만족시키는 우수한 결과를 제공할 수 있어서, 노이즈가 섞이기 쉽고 목표 사물 인식 후 분석 작업을 위해 매우 정확한 경계 검출을 요구하는 병리 이미지 외곽선 추출에 적합하다. Fig.
기존 방식으로는 식별하지 못했던(식별율 0%) 병리 사진 들의 경우 새로 제안한 방식에서 30장 중 25장, 즉 83%의 인식률을 달성하였다. 마지막으로, 의도적으로 이미지 노이즈가 추가된 사진을 사용한 실험에서는 기존 방식의 경우 20장 중 3장을 성공적으로 인식(15%의 인식률)하였으며, 제안하는 DGPS는 이 실험에서 75% 인식률을 보여 기존 대비 500% 높은 인식률을 보였다.
사진의 종류는 각각 무작위로 선택한 사진, 기존 방식으로는 인식할 수 없는 사진, 그리고 의도적으로 노이즈가 추가된 사진, 총 세 가지로 나누었다. 무작위로 선정한 병리사진을 사용한 실험에서는 기존 방식의 경우 총 50장 중 35장의 사진을 인식하여 70%의 식별율을 보였으며, 제안한 방식은 46장의 사진을 성공적으로 인식하여 92%의 식별율을 달성하여 기존 방식에 비해 약 30% 높은 식별 성능을 확인할 수 있었다.
7(c)에서 제안하는 Canny 알고리즘 기반의 새로운 방식을 통해 처리된 것이다. 적응적인 임계값 조절과 눈금자를 임계값의 새로운 기준으로 하여 인식이 필요한 눈금자의 경계를 정확히 성공적으로 검출할 수 있었다. 외관상으로 눈금자의 각이 정확하게 보존되어 있으며, 외곽선 역시 선 명하고, 주변의 노이즈도 성공적으로 필터링 되었다.
7(d)의 녹색 라인에 해당한다. 해당 이미지에서 우리는 새로운 DGPS시스템 이미지 식별 기능이 정확하게 눈금자 구역의 위치 및 눈금자구역 중의 1cm구역의 크기를 식별한 것을 확인할 수 있다.

후속연구

셋째, 노이즈의 영향을 고려하여야 한다. 노이즈을 걸러내는 것에는 한계가 있으므로, 신호에 대해 이미지 구역 모델링과 통계신호 분석, 파라메터화 된 검출들을 추가 조건으로 적용해야 한다. 넷째, 위에 제안된 방법들과 다른 각종 방법을 조합하여 사용하는 것도 고려하여야 한다[7].
6은 병리 이미지에 대한 설명한 제안 DGPS 병리 이미지 외곽선 추출 순서도를 나타낸다. 위 과정에서 Canny 계산법의 장점, 적응적 임계값 설정, 그리고 눈금자를 기준으로 하는 방식을 결합하여 병리 이미지 처리에서 발생하는 노이즈에 대해 효과적으로 대응하여 실제 응용에서도 좋은 효과를 얻을 수 있을 것으로 기대한다.
7에서 (a)는 원본 이미지이며, 이미지 (b)는 기존 Canny 알고리즘을 적용하였을 때 얻을 수 있는 이미지이다. 이 이미지는 외곽선의 정보를 최대한 손상 없이 보존하기 때문에 뚜렷하면서 연속적이며 이후의 추가적인 이미지 검측을 통해 보다 정확한 경계 검출을 가능하게 할 수 있다. Fig.
본 논문에서의 연구 결과를 바탕으로 향후에 다음과 같은 연구를 진행하고자 한다. 제안된 Canny 알고리즘 기반의 외곽선 추출 방식은 기존의 Sobel에 비해 많은 연산량을 필요로 하므로 OpenCV를 GPU에서 실행하는 방식을 통해 이를 해결하는 연구와 인식불가 이미지에 대한 처리기능 적용 확대를 통해 인식 불가 이미지를 최소화하는 방안에 대한 연구가 추가되어야 할 것이다.
효과적인 외곽선 처리를 위해서는 다음과 같은 점이 고려되어야 한다. 첫째, 이미지특징 변화의 형식 검출을 확인하고 이미지에 따라 가장 적합한 변화 검출 방법을 선택적으로 적용해야 한다. 둘째, 명확한 특성 변화는 항상 규칙적인 공간 제한 내에서 발생하기 때문에 맹목적으로 단일한 알고리즘을 통해 모든 이미지의 특징 검출 계산을 하는 것은 좋지 결과를 도출하지 못한다.

핵심어	질문	논문에서 추출한 답변
	효과적인 외곽선 처리를 위해서 고려해야 할 사항은 어떤 것들이 있는가?	효과적인 외곽선 처리를 위해서는 다음과 같은 점이 고려되어야 한다. 첫째, 이미지특징 변화의 형식 검출을 확인하고 이미지에 따라 가장 적합한 변화 검출 방법을 선택적으로 적용해야 한다. 둘째, 명확한 특성 변화는 항상 규칙적인 공간 제한 내에서 발생하기 때문에 맹목적으로 단일한 알고리즘을 통해 모든 이미지의 특징 검출 계산을 하는 것은 좋지 결과를 도출하지 못한다. 셋째, 노이즈의 영향을 고려하여야 한다. 노이즈을 걸러내는 것에는 한계가 있으므로, 신호에 대해 이미지 구역 모델링과 통계신호 분석, 파라메터화 된 검출들을 추가 조건으로 적용해야 한다. 넷째, 위에 제안된 방법들과 다른 각종 방법을 조합하여 사용하는 것도 고려하여야 한다[7]. 외곽선을 찾아내기 이전과 마찬가지로, 이후에도 부분적인 함수 적용 등을 통해 매우 정확한 외곽선 위치를 얻을 수 있다. 일반적인 외곽선 검출 방법은 항상 단속적이고 완전하지 못한 구조 정보만을 검출하며, 노이즈에 대해서도 민감하다. 따라서 노이즈를 효과적으로 억제하기 위해서는 일반적으로 최초의 사진을 평탄하게 하고, 다시 외곽선 검출을 수행하여 성공적으로 정확한 이미지를 검출할 수 있다.
	Sobel 연산자는 무엇인가?	Sobel 연산자는 대표적인 이미지 외곽선 검출을 위한 1차 미분 연산자로 가우스 스무싱과 미분 도함수를 결합하여 이미지의 그레이스케일로부터 이미지 강도의 경사도를 추정한다. 이미지의 임의의 점에서 이 연산자를 사용하면, 그와 대응되는 경사도 벡터를 계산할 수 있다.
	Canny 알고리즘의 목표는 무엇인가?	Canny가 1986년에 개발하여 발표한 다단계 경계 검출 계산법 중 하나이다[11]. Canny 알고리즘은 1) 정확한 외곽선 탐지, 2) 검출된 외곽 선의 높은 위치 정확성, 3) 검출된 외곽선들은 실제 외곽선을 중복 검출하지 않도록 하는 조건들을 만족하는 최적의 외곽선 검출방법을 찾는 것을 목표로 한다.

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

병리 정보 시스템을 위한 이미지 외곽선 추출 기법 연구
Image Edge Detection Technique for Pathological Information System 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

병리 정보 시스템을 위한 이미지 외곽선 추출 기법 연구 Image Edge Detection Technique for Pathological Information System 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

오상윤 (25)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

병리 정보 시스템을 위한 이미지 외곽선 추출 기법 연구
Image Edge Detection Technique for Pathological Information System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper