AI based Image Processing & Computational Imaging
We are developing AI based imaging processing methods for the real-time automatic image analysis and high-performance microscop
우리는 바이오 광학 기계시스템에서 획득한 영상의 정량화 및 자동 분석, 그리고 바이오 광학 기계시스템의 성능 향상을 위하여 인공지능을 비롯한 다양한 연산법을 도입하고 있습니다.
인공지능은 영상 분석에서 많은 발전을 이루었고, 의료 영상 뿐만 아니라 바이오 영상에서도 병변 탐지, 암세포 탐지 등에 많은 기여를 하고 있습니다.
인공지능 영상분석법으로는 영상에서 암 병변 등을 탐지하기 위한 classification, 영상에서 세포 분석을 위한 segmentation, 영상 품질 향상을 위한 denoising, image restoration 기술 등이 있습니다. 기존 인공지능 신경망은 blackbox 형태로 학습 결과를 예측하기 어려웠는데, 최근 광학 영상 시스템 모델을 직접 도입할 수 있는 physics assisted 인공지능 신경망이 개발되고 있습니다.
우리 연구실에서는 고성능 생체 광학 현미경에서 획득한 영상데이터에서 암세포 및 암의 탐지, 세포 자동 분석 등을 위하여 인공지능을 활용하고 있습니다.
뇌종양 수술 가이드를 위해 개발한 고성능 현미경에서 획득한 영상 데이터에서 뇌종양 자동 탐지를 위한 인공지능 탐지법 (classification)
피부암 수술 가이드를 위해 개발한 고성능 현미경에서 획득한 영상 데이터에서 피부암 자동 탐지를 위한 인공지능 탐지법 (classification)
안구 건조증 정밀 진단을 위해 개발한 고성능 현미경에서 획득한 영상 데이터에서 결막 술잔세포 자동 분석을 위한 인공지능 분석법 (segmentation)
우리 연구실에서는 고속 고성능 현미경의 성능 향상을 위하여 denoising, image restoration 을 위한 인공지능 영상처리법을 적극 활용하고 있습니다.
예를 들면 고속 영상화가 필요한 빛 시트 현미경에서 image throughput 향상을 위해 under-sampling으로 영상을 획득한 뒤 image restoration 기법을 활용하여 영상 품질을 복원시키는 것 입니다
이러한 기술개발은 고성능 바이오 광학 기계시스템의 활용성을 높일 것으로 기대하고 있습니다.
뇌종양 경계 탐지를 위한 영상분석법
2. 결막 술잔세포 밀도 측정을 위한 영상분석법
U-net goblet cell segmentation for automatic density calculation
획득한 술잔세포 영상에서 밀도를 정확하게 분석하기 위하여 Biomedical Segmentation에 특화된 U-net를 활용하여 학습합니다.