(a) 혈관 신생이 유도된 내피세포의 형광 이미지를 세포질 이미지 및 핵 이미지로 분리하는 단계;(b) 상기 세포질 이미지로 부터 임계값 이미지(threshold image; Ith) 및 골격화된 이미지(skeletonized image; Isk)를 생성하고, 골격화(skeletonization) 알고리즘을 이용하여 혈관 구조를 분석하는 단계; 및 (c) 상기 핵 이미지(nucleus image; In)로 부터 세포 분할 이미지(cell-segmented image; Ics)를 생성하고, NuSeT 알고리즘을 이용하여 내피세포 핵을 분석하는 단계를 포함하는, 딥러닝 기반 혈관 전체 구조 및 혈관 내피 세포 분포의 정량적 분석 방법.

제1항에 있어서, 상기 혈관 신생이 유도된 내피세포는 PDMS(polydimethylsiloxane) 기반 미세유체 칩에서 배양된 것을 특징으로 하는, 분석 방법.

제1항에 있어서, 상기 (b) 단계는 세포질 이미지에서 HPF(high-pass filter)로 임계값 이미지를 생성한 다음, 임계값 이미지에서 골격화 알고리즘으로 골격화 이미지를 생성하는 것을 특징으로 하는, 분석 방법.

제1항에 있어서, 상기 (c) 단계는 핵 이미지에서 NuSeT 알고리즘을 이용하여 세포 분할 이미지를 생성하는 것을 특징으로 하는, 분석 방법.

제1항에 있어서, 상기 분석 방법은 (d) 골격화 알고리즘 및 NuSeT 알고리즘으로 분석한 데이터를 가지 면적(Branch area; BArea), 가지 길이(Branch length; BLeng), 가지 유클리드 길이(Branch Euclidean length; BEucLeng), 가지 곡률(Branch curvature; BCurv), 가지 너비(Branch width 가지 너비; BWidth), 가지 폭 분화(Branch width differentiation; BWidthDiff), 가지 수(Branch number; BNum), 가지 세포 수(Branch cell number; BCellNum), 가지 깊이 분포(Branch depth distribution; BDepthDistri), 노드 수(Node number; NNum), 노드 반경(Node radius ; NRadi), 노드 연결 가지(Node-connected branch ; NConnectB), 노드 세포 수(Node cell number ; NCellNum), 노드 깊이 분포(Node depth distribution ; NDepthDistri), 둘레(Perimeter; Peri), 및 면적(Area)으로 각각 정량화하여 혈관의 구조와 내피세포의 분포를 분석하는 단계를 추가하는 것을 특징으로 하는, 분석 방법.

혈관 신생이 유도된 내피세포의 형광 이미지를 입력받는 영상 입력부;형광 이미지를 세포질 이미지 및 핵 이미지로 분류하는 영상 처리부;상기 세포질 이미지를 골격화 알고리즘으로 분석하고, 핵 이미지를 NuSeT 알고리즘으로 분석하는 영상 분석부; 및 혈관 전체 구조 및 혈관 내피 세포 분포에 대한 정보를 추출하는 정보 추출부로 구성되며, 제1항 내지 제5항 중 어느 한 항의 분석 방법을 이용하는 것을 특징으로 하는, 딥러닝 기반 혈관 전체 구조 및 혈관 내피 세포 분포의 정량적 분석 장치.

(a) 혈관 내피 세포에 혈관신생 억제용 후보물질을 처리한 다음, 혈관신생을 유도하는 단계;(b) 제1항 내지 제5항 중 어느 한 항의 분석 방법을 이용하여 혈관신생을 억제하는 후보물질을 선별하는 단계를 포함하는, 혈관신생 억제용 물질의 스크리닝 방법.

(a) 혈관 내피 세포에 혈관신생을 표적으로 하는 약물을 처리한 다음, 혈관신생을 유도하는 단계;(b) 제1항 내지 제5항 중 어느 한 항의 분석 방법을 이용하여 혈관 전체 구조 및 혈관 내피 세포 분포를 정량적으로 분석하여 약물의 효능을 평가하는 단계를 포함하는, 혈관신생을 표적으로 하는 약물의 효능을 평가하는 방법.