DeepCeNS: 현미경 이미지 내 세포 및 세포핵 분할을 위한 엔드투엔드 파이프라인

지난 10년간 딥러닝 기술의 발전으로 인해 이전에는 어려워 보였던 많은 생물의학 분야의 문제들이 이제는 실현 가능해지고 있다. U-Net 및 Mask R-CNN 아키텍처의 도입은 보안부터 생물의학 응용에 이르기까지 다양한 분야에서 객체 탐지 및 세그멘테이션 작업의 길을 열었다. 세포 생물학 분야에서는 광학 현미경 이미징 기술이 생물 현상을 연구하는 데 있어 저렴하고 접근하기 쉬운 원천 데이터를 제공한다. 이러한 데이터와 딥러닝 기술을 활용하면 인간 질환의 진단이 보다 쉽게 이루어지고 치료 개발 과정도 크게 가속화될 수 있다. 현미경 이미징에서 개별 세포의 정확한 세그멘테이션은 세포의 이질성에 대한 깊이 있는 이해를 가능하게 하는 핵심 단계이다. 위와 같은 과제를 해결하기 위해 본 논문에서는 현미경 이미지 내 세포 및 세포핵을 탐지하고 세그멘테이션하는 DeepCeNS를 제안한다. 제안된 파이프라인의 성능 평가를 위해 다양한 현미경에서 촬영된 수많은 세포 배양 이미지를 포함하는 EVICAN2 데이터셋을 사용하였다. 실험 결과, DeepCeNS는 EVICAN-MRCNN 대비 EVICAN2 데이터셋에서 유의미한 성능 향상을 보였다.