[1차년도] 바이오 영상 화질 개선 및 관심 영역 자동 분할 - 고해상도 영상획득 시 FOV(Field of View)의 한계로 영상 스티칭 기술이 필요하며, 영상 내 잡음 개선을 통하여 보다 정확한 정량적 분석이 가능해짐. 이를 위해서 동일 약물 환경의 영상 데이터를 스티칭하고, 영상 촬영 시 조명의 간섭으로 인한 불균일 영상 밝기를 보정하는 알고리즘을 개발함. - 세포 영상은 크게 형광(fluorescence)/무형광(label-free) 영상으로 나눌 수 있으며, 형광 현미경은 영상 내 조직별로 관찰이 가능하지만 세포에 추가적으로 형광 염색을 하는 과정을 수행하기 때문에 세포 고유의 특징을 관찰하는 무형광 영상도 함께 고려되어야 함. 이를 위해 각각의 영상 특징을 반영하여 영상 분할 알고리즘을 개발함. [2차년도] 세포 특이성 고려 표현형 특징 추출 - 세포에 약물을 처리하면 다양한 비정형의 형태학적 특징이 나타나기 때문에 기존에 많이 사용되는 특징을 선형적으로 결합하는 방법은 한계가 있음. 본 연구에서는 약물 처리에 따른 세포에 나타나는 특이성을 고려한 지능형 영상분석을 위해서 앞서 분할한 영역 정보를 통해 대표적인 형태학적 특징들을 추출함. - 개별 세포 객체 단위뿐만 아니라 군집 세포의 텍스쳐, 기하학적 모멘트 및 주파수 특징들과 응집성과 관련된 패턴 정보 등을 최대한 추출함. [3차년도] 딥러닝 기반 지능형 세포 영상 분석 - 추출된 세포 표현형 특징 정보를 이용하여 세포의 괴사, 사멸, 분열 등의 다양한 세포 현상과 밀접하게 관련이 있는 세포 침투성/운동성을 분석하는 기술을 개발함. - 처리된 약물의 종류와 농도에 따라 변화하는 암세포의 활성/비활성 상태를 분류할 수 있는 모델을 딥러닝 기술을 통해 구축하여 최적의 약물을 선별하는데 도움을 줄 수 있는 프로그램을 개발함.