단일 빔 음향 트래핑(single-beam acoustic trapping) 기법은 수동 칼슘 분석(manual calcium analysis) 방법과 결합하여 음향 트랩 내에서 부유하는 유방암 세포의 침윤성을 판정하는 데 매우 유용한 것으로 입증되었다. 그러나 기술을 임상으로 신속히 전환하기 위해서는 효율적이고 정확한 분석 방법의 개발이 필요하다. 이에 우리는 단일 빔 음향 트래핑 시스템을 이용하여 부유 유방암 세포의 침윤성을 판정하기 위한 완전 자동 딥러닝 기반 칼슘 이미지 분석 알고리즘을 개발하였다. 해당 알고리즘은 세포를 분할하고, 트랩된 세포를 찾아내며, 시간에 따른 칼슘 변화량을 정량화할 수 있도록 한다. 경계가 불명확한 경우에도 칼슘 형광 세포의 분할을 더 잘 수행하기 위해, 다중 스케일/다중 채널 합성곱 연산(multi-scale/multi-channel convolution operations)을 사용하는 새로운 딥러닝 아키텍처(MM-Net)를 표적 역전(target inversion) 학습 방법으로 고안하고 구축하였다. MM-Net은 세포 분할에서 다른 딥러닝 모델들보다 우수한 성능을 보였다. 또한, 트래핑된 세포의 침윤성을 자동으로 판정하기 위한 검출/정량 알고리즘을 개발하고 구현하였다. 알고리즘의 평가는 유방암 세포의 침윤성을 정량화하는 데 적용하여 수행하였다. 그 결과, 본 알고리즘은 암 세포의 침윤성을 판정함에 있어 수동 칼슘 분석 방법과 유사한 성능을 제공하는 것으로 나타났으며, 고효율로 암 세포의 침윤성을 자동으로 결정하는 새로운 도구로 활용될 수 있음을 시사한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.