[논문 리뷰] An Efficient Approach for Cell Segmentation in Phase Contrast Microscopy Images

Lin Zhang|arXiv (Cornell University)|2019. 03. 31.

Optical measurement and interference techniques참고 문헌 12인용 수 5

한 줄 요약

이 논문은 단계별로 접근하는 세포 분할 방법을 제안한다. 먼저 저질서수 및 구조적 희박 행렬 분해를 통해 배경과 세포를 분리하고, 이후 효율적인 역산산패tern(이하 IDP) 필터링을 통해 개별 세포 경계를 정밀하게 보정한다. 이 방법은 1초 미만의 실행 시간으로 상태의 기준 성능(99.5%의 정확도, Dish1/Dish2 기준)을 달성하며, 이전 방법들보다 빠르고 강인하며 노출 시간 파rameter에 의존하지 않아도 된다.

ABSTRACT

In this paper, we propose a new model to segment cells in phase contrast microscopy images. Cell images collected from the similar scenario share a similar background. Inspired by this, we separate cells from the background in images by formulating the problem as a low-rank and structured sparse matrix decomposition problem. Then, we propose the inverse diffraction pattern filtering method to further segment individual cells in the images. This is a deconvolution process that has a much lower computational complexity when compared to the other restoration methods. Experiments demonstrate the effectiveness of the proposed model when it is compared with recent works.

연구 동기 및 목표

• 변동하는 세포의 외형, 잡음, 비균일한 배경으로 인해 복잡한 단계에서의 세포 분할 문제를 해결한다.
• 이미지 시퀀스 간 배경 유사성을 활용하여 배경 제거 문제를 저질서수 및 구조적 희박 행렬 분해 문제로 모델링함으로써 배경 제거 성능을 향상시킨다.
• 기존 광학 기반 복원 방법 대비 계산 비용을 줄이면서도 높은 분할 정확도를 유지한다.
• 일부 최신 기술에서 제한을 받는 노출 시간 파rameter에 의존하지 않도록 한다.
• 잡음과 잡음 요소를 배경의 일부로 간주함으로써 효과적으로 억제하고, 강인한 탈중합을 가능하게 한다.

제안 방법

• 세포 분할 문제를 저질서수 및 구조적 희박 행렬 분해 문제로 수식화한다: A = B + E, 여기서 A는 관측된 영상, B는 배경(저질서수), E는 전경(구조적 희박)이다.
• 효율적인 최적화를 위해 질량의 최소화를 위한 볼록 근사값으로 핵심 노름 최소화(||B||_*)를 사용한다.
• 세포 영역의 공간적 구조를 유지하기 위해 이웃 픽셀 간의 희박성과 연속성을 증진시키는 일반화된 융합 라소(GFL) 정규화(||E||_gfl)를 도입한다.
• 수렴성과 안정성을 보장하기 위해 최적화 문제를 해결하기 위해 증강 라그랑주 승수(이하 ALM) 방법을 사용한다.
• 배경 제거 후 주파수 도메인에서 역산산패턴(IDP) 필터링을 적용하여 영상을 탈중합하고 세포 경계를 복원한다.
• 8개의 위상 각도(0부터 7π/4까지)에서 PSF^{-1}(θ_m)를 역필터로 사용하여 고정밀도 세포 구조를 복원하며, 이전 단계의 배경 제거로 인해 잡음이 억제된다.

실험 결과

연구 질문

• RQ1 저질서수 및 구조적 희박 행렬 분해는 복잡하고 비균일한 배경을 가진 단계 콘트라스트 현미경 영상에서 세포를 효과적으로 분리할 수 있는가?
• RQ2 제안된 배경 제거 방법은 RPCA 및 다항식 배경 모델링 대비 정확도와 강인성 측면에서 어떻게 비교되는가?
• RQ3 역산산패턴 필터링은 기존 광학 기반 복원 방법 대비 계산 비용을 크게 줄이며 높은 품질의 세포 분할을 달성할 수 있는가?
• RQ4 일부 최신 기술과 달리 노출 시간 정보가 없을 경우에도 이 방법은 여전히 효과적인가?
• RQ5 이 방법은 배경의 일부로 간주함으로써 잡음과 잡음 요소를 어느 정도 억제하는가?

주요 결과

• 제안된 방법은 Dish1 및 Dish2에서 각각 99.5%의 분할 정확도를 달성하였으며, 사전 조정 방법(97.4% 및 97.4%)을 능가하고 최고 성능을 보인 세포 민감도 방법과 동일한 성능을 기록하였다.
• 각 데이터셋 처리 시간이 1초 미만으로, 사전 조정 방법의 262초 대비 빠른 속도 향상을 보였다.
• 배경 제거 결과에서 RPCA 및 세포 민감도 영상 방법 대비 더 뛰어난 잡음 억제 성능을 보였으며, 특히 강한 조명 변화가 있는 영역에서 뛰어난 성능을 보였다.
• 노출 시간 파rameter가 필요 없어, 이러한 메타데이터에 의존하는 방법들보다 더 광범위하게 적용 가능하다.
• 정성적 결과를 통해 배경 제거와 IDP 필터링의 조합이 깔끔하고 잡음이 없는 영상, 명확한 세포 경계를 생성하는 것으로 확인되었다.