| 1 |
1
(1) 혈액에서 분할된 백혈구 핵 영역으로부터, 채도, 명도 값을 추출하는 단계;(2) 상기 추출된 채도, 명도 값을 이용하여, 상기 백혈구 핵 영역에 대한 확률 모델을 생성하는 단계;(3) 상기 생성된 확률 모델을 이용하여, 혈액 세포 영상에서 각각의 픽셀에 대해 백혈구 핵일 확률을 의미하는 확률 맵을 생성하는 단계;(4) 상기 생성된 확률 맵에서 백혈구 후보 영역인 서브 이미지(sub-image)를 분리하는 단계;(5) 상기 분리된 서브 이미지에 대하여, Mean-shift를 이용하여 영역 클러스터링을 수행하는 단계;(6) 거리 맵(distance map)과 상기 생성된 확률 맵을 결합한 결합 맵을 이용하여, 상기 분리된 서브 이미지의 각 클러스터 영역 간의 병합을 수행하는 단계; 및(7) 상기 병합이 완료된 클러스터 영역을 최종 분할된 백혈구 핵 영역으로 판단하는 단계를 포함하며,상기 단계 (4)는,(4a) 상기 생성된 확률 맵에 대하여, 자동 이진화 알고리즘을 적용하여 이진화하는 단계;(4b) 상기 생성된 확률 맵에 모폴로지컬 오프닝(Morphological Opening) 연산을 수행하여 잡음을 제거하는 단계; 및(4c) 상기 모폴로지컬 오프닝 연산 후 잔존하는 후보 영역을 서브 이미지로 분리하는 단계를 포함하는 것을 특징으로 하는 비모수적 확률 모델과 질감 정보를 이용한 백혈구 분할 방법
|
| 2 |
2
제1항에 있어서,(8) 웨이블릿 에너지 맵과 상기 최종 분할된 백혈구 핵 영역을 이용하여 백혈구 세포질 영역을 검출하는 단계를 더 포함하는 것을 특징으로 하는 비모수적 확률 모델과 질감 정보를 이용한 백혈구 분할 방법
|
| 3 |
3
제1항에 있어서, 상기 단계 (2)에서,상기 추출된 채도, 명도 값을 이용하여 비모수(Non-oarametric) 방법인 히스토그램을 구성하고, 파즌 창(Parzen-window) 중 가우시안 스무드 커널(Gaussian Smooth-Kernel)을 적용하여 확률 밀도를 추정함으로써 상기 확률 모델을 생성하는 것을 특징으로 하는 비모수적 확률 모델과 질감 정보를 이용한 백혈구 분할 방법
|
| 4 |
4
제1항에 있어서, 상기 단계 (3)은,(3a) 상기 혈액 세포 영상을 RGB(Red Green Blue) 색 공간에서 HSL(Hue Saturation Lightness) 색 공간으로 변환하는 단계;(3b) 상기 생성된 확률 모델에 기초하여, 상기 혈액 세포 영상의 각 픽셀마다 해당되는 확률 값을 상기 각 픽셀에 픽셀 명도 값으로 대응시키는 단계; 및(3c) 각 픽셀에 대응된 상기 픽셀 명도 값을 이용하여, 상기 혈액 세포 영상으로 상기 확률 맵을 생성하는 단계를 포함하는 것을 특징으로 하는 비모수적 확률 모델과 질감 정보를 이용한 백혈구 분할 방법
|
| 5 |
5
삭제
|
| 6 |
6
제1항에 있어서, 상기 단계 (4c)에서,서브 이미지가 핵 주변의 세포질까지 포함할 수 있도록, 상기 후보 영역을 포함하며 상기 후보 영역보다 높이와 너비가 1
|
| 7 |
7
제1항에 있어서, 상기 단계 (5)에서,백혈구 핵의 색상이 주변 영역과 상이한 것을 고려하여, 영상 공간을 위한 커널 크기는 15, 색 공간을 위한 커널 크기는 10, 클러스터 당 최소 영역 크기는 20으로 설정하여 상기 Mean-Shift를 수행하거나, 또는 백혈구 세포질이 주변 적혈구와 혼동되지 않고 명확하게 클러스터링 되도록 하기 위하여, 영상 공간을 위한 커널 크기는 10, 색 공간을 위한 커널 크기는 8, 클러스터 당 최소 영역 크기는 12로 설정하여 상기 Mean-Shift를 수행하는 것을 특징으로 하는 비모수적 확률 모델과 질감 정보를 이용한 백혈구 분할 방법
|
| 8 |
8
제1항에 있어서, 상기 단계 (6)은,(6a) 상기 분리된 서브 이미지에서 거리 맵(Distance map)을 구하고, 상기 구해진 거리 맵과 상기 생성된 확률 맵을 결합하여 결합 맵을 생성하는 단계;(6b) 상기 생성된 결합 맵을 이용하여, 상기 분리된 서브 이미지에서 백혈구 핵의 시드(seed) 영역을 검출하는 단계; 및(6c) 상기 검출된 시드 영역을 기준으로 각 클러스터 영역 간의 병합을 수행하는 단계를 포함하되,상기 단계 (6b)는,(6ba) 상기 생성된 결합 맵과 상기 클러스터 영역의 픽셀 수를 이용하여, 각 클러스터 영역에 대한 결합 맵 값의 평균을 계산하는 단계;(6bb) 상기 계산된 결합 맵 값의 평균과 상기 클러스터 영역의 픽셀 수가 미리 지정된 값 이상이면, 상기 클러스터 영역을 시드 영역으로 선정하는 단계;(6bc) 모든 클러스터 영역에 대하여 검사가 완료될 때까지 단계 (6ba), (6bb)를 반복하는 단계; 및(6bd) 상기 시드 영역이 하나도 선정되지 않은 경우, 상기 결합 맵 값이 가장 큰 영역을 시드 영역으로 선정하는 단계를 포함하며,상기 단계 (6c)는,(6ca) 상기 검출된 시드 영역과 맞닿은 클러스터 영역에 대하여, 채도와 명도가 일정 값 이상이면, 상기 맞닿은 클러스터 영역을 상기 시드 영역에 병합하는 단계; 및(6cb) 모든 클러스터 영역에 대하여 검사가 완료될 때까지 단계 (6ca)를 반복하는 단계를 포함하는 것을 특징으로 하는 비모수적 확률 모델과 질감 정보를 이용한 백혈구 분할 방법
|
| 9 |
9
삭제
|
| 10 |
10
제2항에 있어서, 상기 단계 (8)은,(8a) 상기 분리된 서브 이미지에서 웨이블릿 변환을 통하여 얻을 수 있는 수직, 수평, 대각 성분을 하나의 단일한 웨이블릿 에너지 맵으로 결합하는 단계;(8b) 상기 분리된 서브 이미지의 가장자리와 만난 상기 클러스터 영역의 가장자리 길이가 미리 지정된 값 이상이면, 상기 클러스터 영역을 배경 영역 집합으로 분류하는 단계;(8c) 상기 웨이블릿 에너지 맵과 상기 클러스터 영역의 픽셀 수를 이용하여, 각 클러스터 영역에 대한 웨이블릿 에너지 맵 값의 평균을 계산하는 단계;(8d) 상기 웨이블릿 에너지 맵 값의 평균이 미리 지정된 값 이상이면, 상기 클러스터 영역을 세포질 영역으로 선정하는 단계;(8e) 모든 클러스터 영역에 대하여 검사가 완료될 때까지 상기 단계 (8b), (8c), (8d)를 반복하는 단계;(8f) 상기 세포질 영역과 맞닿은 클러스터 영역에 대하여, 상기 웨이블릿 에너지 맵 값의 평균이 미리 지정된 값 이상이면, 상기 맞닿은 클러스터 영역을 상기 세포질 영역에 병합하는 단계; 및(8g) 모든 클러스터 영역에 대하여 검사가 완료될 때까지 상기 단계 (8f)를 반복하는 단계를 포함하는 것을 특징으로 하는 비모수적 확률 모델과 질감 정보를 이용한 백혈구 분할 방법
|
