초록

IV. 연구개발결과
이질적인 세포 형태는 k-means 클러스터링을 통해 9개의 형태 클러스터로 단순화할 수 있었고 실제 세포 영상과 비교하여 클러스터 내의 형태적 유사성을 검증함. 또한 시계열 k-means 클러스터링을 수행하여 이질적인 세포 형태의 변화로부터 6개의 경로 패턴을 파악할 수 있었음. 유클리디언 거리보다는 동적 시간 워핑 척도 기반 클러스터링이 세포 형태의 동적인 변화를 반영했으며 높은 이동성의 하위그룹을 정확히 분류함.

(출처 : 요약문 4p)

Abstract ▼

IV. Results
The heterogeneous cell morphologies could be simplified into nine morphological clusters through k-means clustering, and morphological similarity within the cluster was verified by comparing them with actual cell images. In addition, by performing time series k-means clustering, six m

IV. Results
The heterogeneous cell morphologies could be simplified into nine morphological clusters through k-means clustering, and morphological similarity within the cluster was verified by comparing them with actual cell images. In addition, by performing time series k-means clustering, six morphodynamic clusters could be identified from dynamic morphological changes. Dynamic time warping distance-based clustering rather than Euclidean distance reflected dynamic changes in cell morphology and accurately classified highly motile subtypes.

(source : Summary 5p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 보고서 초록 ... 3
• 요 약 문 ... 4
• SUMMARY ... 5
• CONTENTS ... 6
• 목차 ... 7
• 제 1 장 연구개발과제의 개요 ... 8
• 제 2 장 국내외 기술개발 현황 ... 10
• 제 3 장 연구개발수행 내용 및 결과 ... 11
• 1절 연구의 범위 ... 11
• 2절 인공지능 기반 형태학적 분류 플랫폼 개발 ... 11
• 3절 실험 결과 ... 14
• 제 4 장 목표달성도 및 관련분야에의 기여도 ... 17
• 제 5 장 연구개발결과의 활용계획 ... 18
• 제 6 장 연구개발과정에서 수집한 해외과학기술정보 ... 19
• 제 7 장 참고문헌 ... 20
• 끝페이지 ... 21