미크로넷: 현미경 이미지에서 다양한 객체의 분할을 위한 통합 모델

물체 분할과 구조 위치 결정은 현미경 이미지의 자동화된 이미지 분석 파이프라인에서 중요한 단계입니다. 본 연구에서는 현미경 이미지에서 물체를 분할하기 위한 컨볼루션 신경망(CNN) 기반의 딥러닝 아키텍처를 제시합니다. 제안된 네트워크는 입력 매개변수를 약간 조정한 후 형광 현미경 및 조직학 이미지에서 세포, 핵, 선종을 분할하는 데 사용될 수 있습니다. 이 네트워크는 입력 이미지의 여러 해상도에서 학습하며, 중간 계층을 연결하여 더 나은 위치 결정과 맥락을 제공하고, 다중 해상도 디컨볼루션 필터를 사용하여 출력을 생성합니다. 최대 풀링(max-pooling) 연산을 우회하는 추가적인 컨볼루션 계층은 네트워크가 다양한 입력 강도와 물체 크기로 학습할 수 있게 하며, 노이즈가 많은 데이터에 대해 견고하게 만듭니다. 공개된 데이터 세트에서 결과를 비교한 결과, 제안된 네트워크가 최근의 딥러닝 알고리즘보다 우수한 성능을 보임을 확인하였습니다.