1 |
1
형광물질에 의해서 표지된 대상물이 분주된 마이크로웰 어레이의 이미지 분석을 위한 분석방법에 있어서,상기 마이크로웰 어레이의 웰들의 이미지를 획득하는 단계;상기 마이크로웰 어레이의 웰들을 채워진 웰, 부분적으로 채워진 웰 및 채워지지 않은 웰로 분류하는 라벨링 정보를 획득하는 단계;상기 획득된 이미지 및 상기 라벨링 정보를 이용하여 상기 마이크로웰 어레이의 웰들 중 일부 또는 전부를 상기 채워진 웰, 상기 부분적으로 채워진 웰 및 상기 채워지지 않은 웰로 분류하는 제1차 분류 단계;차분진화 알고리즘을 통해 상기 부분적으로 채워진 웰을 채워진 웰 또는 채워지지 않은 웰로 분류하는 제2차 분류 단계;를 포함하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
2 |
2
제1항에 있어서,상기 라벨링 정보를 획득하는 단계에서, 상기 획득된 이미지로부터 각각의 웰들에 대한 형광 강도를 픽셀 단위로 특정하고, 상기 각각의 웰들에 대해 소정의 임계 강도를 갖는 픽셀의 비율이 상한 한도 이상이면 채워진 웰로 분류하고, 상기 임계 강도를 갖는 픽셀의 비율이 하한 한도 이하이면 채워지지 않은 웰로 분류하는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
3 |
3
제2항에 있어서,상기 상한 한도는 70%~90%의 범위에서 선택되고, 상기 하한 한도는 10~30% 범위에서 선택되는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
4 |
4
제2항에 있어서,상기 임계 강도는 상기 채워지지 않은 웰의 이미지 중 경계에 해당하는 픽셀에서의 형광 강도를 기준으로 결정되는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
5 |
5
제1항에 있어서,상기 제2차 분류 단계에서 지지 벡터 머신(Support Vector Machine; SVM)을 이용하여 상기 부분적으로 채워진 웰을 분석하는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
6 |
6
제5항에 있어서,상기 제2차 분류 단계에서 차분진화 알고리즘은 90~120회 반복된 후 중단되도록 정지되도록 설계된 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
7 |
7
제5항에 있어서,상기 지지 벡터 머신을 이용한 분석은 복수개의 강도 및 텍스처 기능 또는 복수개의 Zernike 모멘트를 요소로 이용하여 수행되는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
8 |
8
제7항에 있어서,상기 복수개의 강도 및 텍스처 기능은 평균 강도, 평균 색조 채널, 표준편차, 평균 그레이 레벨, 평균 대조, 평활도, 3차 모멘트, 엔트로피 중 적어도 하나를 포함하는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
9 |
9
제8항에 있어서,상기 복수개의 강도 및 텍스처 기능은 평균 강도, 평균 색조 채널, 표준편차, 평균 그레이 레벨, 평균 대조, 평활도, 3차 모멘트, 엔트로피를 포함하는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
10 |
10
제7항에 있어서,상기 지지 벡터 머신을 이용한 분석은 적어도 2가지의 Zernike 모멘트를 요소로 이용하여 수행되는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
11 |
11
제1항에 있어서,상기 제2차 분류 단계는 부분적으로 채워진 웰로 분류된 웰들을 대상으로 하는 재분류 단계를 포함하며, 상기 재분류 단계는 상기 부분적으로 채워진 웰들에 가우시안 필터를 적용하고, 소정의 재분류 임계값에 따라 상기 부분적으로 채워진 웰들을 채워진 웰과 채워지지 않을 웰로 분류하는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
12 |
12
대상물이 분주된 마이크로웰 어레이의 이미지 분석을 위한 분석방법에 있어서,상기 마이크로웰 어레이의 웰들을 복수의 카테고리로 분류하는 라벨링 정보를 획득하는 단계;상기 카테고리를 기준으로 상기 마이크로웰 어레이의 월들을 분류하는 제1차 분류 단계; 및상기 제1차 분류 단계에 의해 분류된 상기 카테고리 중 일 카테고리에 속한 웰들을 대상으로 학습 알고리즘을 수행하여, 상기 일 카테고리가 아닌 다른 카테고리로 분류하는 제2차 분류 단계;를 구비하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
13 |
13
제12항에 있어서,상기 카테고리는 적어도 3개 이상의 카테고리를 유지하는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
14 |
14
제12항에 있어서,상기 제2차 분류 단계에서 상기 학습 알고리즘으로 차분진화 알고리즘을 사용하며, 상기 차분진화 알고리즘은 90~120회 반복된 후 중단되도록 정지되도록 설계된 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
15 |
15
제12항에 있어서,상기 제2차 분류 단계에서 지지 벡터 머신(Support Vector Machine; SVM)을 이용하여 상기 일 카테고리에 속한 웰들을 분석하는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
16 |
16
제15항에 있어서,상기 지지 벡터 머신을 이용한 분석은 복수개의 강도 및 텍스처 기능 또는 복수개의 Zernike 모멘트를 요소로 이용하여 수행되는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
17 |
17
제16항에 있어서,상기 복수개의 강도 및 텍스처 기능은 평균 강도, 평균 색조 채널, 표준편차, 평균 그레이 레벨, 평균 대조, 평활도, 3차 모멘트, 엔트로피 중 적어도 하나를 포함하는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
18 |
18
제16항에 있어서,상기 지지 벡터 머신을 이용한 분석은 적어도 2가지의 Zernike 모멘트를 요소로 이용하여 수행되는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|
19 |
19
제12항에 있어서,상기 제2차 분류 단계는 상기 일 카테고리에 속하는 웰들을 대상으로 하는 재분류 단계를 포함하며, 상기 재분류 단계는 상기 일 카테고리에 속한 웰들에 가우시안 필터를 적용하고, 소정의 재분류 임계값에 따라 상기 일 카테고리에 속한 웰들을 상기 다른 카테고리로 분류하는 것을 특징으로 하는 마이크로웰 어레이의 이미지 분석을 위한 분석방법
|