[논문 리뷰] Cell Detection by Functional Inverse Diffusion and Group Sparsity $-$ Part II: Practice

Pol del Aguila, Joakim Jaldén|arXiv (Cornell University)|2017. 10. 04.

Photoacoustic and Ultrasonic Imaging인용 수 2

한 줄 요약

이 논문은 기능적 역산확산과 비음수 그룹 스 parserity 정규화를 사용하여 ELISPOT 및 플루오로스포트와 같은 생화학적 이미지 분석에서 세포 검출을 위한 새로운 알고리즘을 제안한다. 그룹 스 parserity 정규화자에 대한 프록시멀 연산자를 도입하고, 표준 검출 지표와 최적 운반 기반 분포 비교를 모두 활용하여 성능을 평가하여 정확도와 내성의 향상을 입증한다.

ABSTRACT

In this two-part paper, we present a novel framework and methodology to analyze data from certain image-based biochemical assays, e.g., ELISPOT and Fluorospot assays. In this second part, we focus on our algorithmic contributions. We provide an algorithm for functional inverse diffusion that solves the variational problem we posed in Part I. As part of the derivation of this algorithm, we present the proximal operator for the non-negative group-sparsity regularizer, which is a novel result that is of interest in itself, also in comparison to previous results on the proximal operator of a sum of functions. We then present a discretized approximated implementation of our algorithm and evaluate it both in terms of operational cell-detection metrics and in terms of distributional optimal-transport metrics.

연구 동기 및 목표

• 이미지 기반 분석에서 세포 검출을 위한 제1부에서 제시된 변분 문제를 효율적으로 해결하는 알고리즘을 개발하기 위해.
• 비음수 그룹 스 parserity 정규화자에 대한 프록시멀 연산자를 유도하여, 이는 본 연구를 초월한 광범위한 응용 가능성을 지닌 새로운 기여이다.
• 이산화된 형태의 알고리즘을 실제 생물학적 이미지 데이터에 구현하고 평가하기 위해.
• 표준 세포 검출 지표와 분포 기반 최적 운반 지표를 모두 활용하여 성능 평가하기 위해.

제안 방법

• 알고리즘은 기능적 역산확산과 비음수 그룹 스 parserity 정규화를 포함하는 변분 문제를 해결한다.
• 핵심 기여는 비음수 그룹 스 parserity 정규화자에 대한 프록시멀 연산자의 유도로, 이는 효율적인 최적화를 가능하게 한다.
• 방법은 목적 함수를 반복적으로 최소화하기 위해 프록시멀 분할 프레임워크를 사용한다.
• 알고리즘은 ELISPOT 및 플루오로스포트 분석에서 유래한 2차원 이미지 데이터에 대한 실용적 구현을 위해 이산화된다.
• 성능 평가는 표준 검출 지표(예: 정밀도, 재현율)와 최적 운반 기반 분포 지표를 모두 활용하여 평가된다.

실험 결과

연구 질문

• RQ1 기능적 역산확산과 그룹 스 parserity 정규화를 어떻게 효과적으로 조합하여 노이즈가 많은 생화학적 이미지에서 세포 검출을 향상시킬 수 있는가?
• RQ2 비음수 그룹 스 parserity 정규화자에 대한 프록시멀 연산자의 해석적 형태는 무엇이며, 어떻게 효율적인 최적화를 가능하게 하는가?
• RQ3 제안된 알고리즘이 기존 방법에 비해 검출 정확도와 분포 충실도 측면에서 어떻게 비교되는가?
• RQ4 최적 운반 기반 지표는 표준 검출 지표를 초월하여 의미 있는 평가를 제공하는 데 어느 정도 기여하는가?

주요 결과

• 비음수 그룹 스 parserity 정규화자에 대한 유도된 프록시멀 연산자는 변분 문제의 효율적 해법을 가능하게 하는 새로운 기여이다.
• 표준 검출 지표로 측정한 결과, 제안된 알고리즘이 베이스라인 방법에 비해 향상된 세포 검출 성능을 보였다.
• 최적 운반 기반 지표를 사용한 결과, 제안된 방법이 경쟁 방법에 비해 세포의 공간 분포를 더 정확히 유지하는 것으로 나타났다.
• 이산화된 구현은 실제 ELISPOT 및 플루오로스포트 이미지 데이터에서 높은 내성과 계산 가능성을 입증했다.