Fully-Automatic Image Analysis for Invasiveness Determination of Breast Cancer Cells in an Acoustic Trap
연구 내용
초음파 단일빔 트랩에서 칼슘 형광 영상을 자동 분할하고 침윤성을 정량화하는 딥러닝 기반 분석 연구
단일빔 초음파 트래핑을 통해 부유 유방암 세포를 포획한 뒤 칼슘 형광 영상에서 시간에 따른 신호 변화를 정량화하는 분석 체계를 구축합니다. 기존 수동 분석의 병목을 줄이기 위해 경계가 불명확한 세포를 대상으로 다중 스케일·다중 채널 합성곱 연산을 포함한 MM-Net 구조를 구성하고, 표적 반전 학습으로 분할 성능을 확보합니다. 분할 결과를 기반으로 포획 세포 검출과 칼슘 변화량 산출을 자동화하여 침윤성 판정 알고리즘으로 연동하는 차별성을 갖습니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 단일빔 초음파 트랩을 이용해 부유 유방암 세포의 포획 상태를 형성하고, 칼슘 기반 침윤성 평가가 가능한 실험 구성을 정립했습니다. 이후 2020년에 수동 칼슘 분석을 대체하기 위해 딥러닝 분할을 중심으로 한 자동 분석 파이프라인을 설계했습니다. 특히 경계가 흐린 형광 조건에서도 세포 분할을 안정화하기 위해 MM-Net과 표적 반전 학습을 적용했습니다. 마지막으로 포획 세포 검출과 정량화 모듈을 결합하여 침윤성 판정 성능을 수동 방식과 유사 수준으로 구현하는 방향으로 연구를 수행했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Fully-automatic deep learning-based analysis for determination of the invasiveness of breast cancer cells in an acoustic trap