ENSeg: 현미경 이미지에서 소장 신경세포의 세분화를 위한 새로운 데이터셋 및 방법

소장신경계(Enteric Nervous System, ENS)는 만성 퇴행성 질환의 영향을 소장 신경세포(Enteric Neuron Cells, ENCs)에 미치는 방식을 이해하기 위해 연구자들이 정교한 방법론을 개발하는 역동적인 연구 분야이다. 이러한 연구는 수작업을 통한 각각의 명확하게 정의된 세포의 선택 및 분할을 필요로 하며, 이는 형태학적 및 정량적 분석을 수행하는 데 상당한 노동력을 요구한다. 그러나 레이블링된 데이터의 부족과 이러한 데이터의 고유한 특성으로 인해 기존 문헌에서 제안된 기술들의 적용이 제한된다. 이를 해결하기 위해, 우리는 전문가가 레이블링한 ENC를 포함하는 새로운 데이터셋 ENSeg을 제안한다. ENSeg는 총 187장의 이미지와 9,709개의 개별적으로 레이블링된 세포로 구성되어 있다. 또한, 자동 인스턴스 세그멘테이션 모델과 Segment Anything Model(SAM) 아키텍처를 결합한 접근법을 도입하여, 인간의 상호작용을 유지하면서도 높은 효율성을 달성한다. YOLOv8, YOLOv9, YOLOv11 모델을 활용하여 세그멘테이션 후보를 생성한 후, 융합 프로토콜을 통해 SAM 아키텍처와 통합하였다. 최적의 성능을 달성한 모델은 YOLOv8(후보 선택), SAM, 그리고 입력 포인트 프롬프트를 강화하는 융합 프로토콜을 사용하여 평균 DICE 점수(mDICE) 0.7877을 기록하였다. 본 연구에서 제시된 융합 프로토콜은 단독 세그멘테이션 모델보다 우수한 세그멘테이션 성능을 보였다. 본 연구에서 제시하는 데이터셋은 연구 공동체에 기여하는 자료로, 공개되어 사용이 가능하다.