EVICAN - 세포 및 세포핵 세그멘테이션 알고리즘 개발을 위한 균형 잡힌 데이터셋

딥러닝을 이용한 정량적 이미지 분석의 활용은 급격히 증가하고 있다. 그러나 정확하고 널리 적용 가능한 딥러닝 알고리즘을 훈련시키기 위해서는 대량의 레이블링된(참값 기반의) 데이터가 필요하다. 이미지 컬렉션은 수천 장의 이미지를 포함하여 충분한 예시 객체(예: 세포)를 제공할 뿐만 아니라, 이미지의 다양성(이질성)도 충분히 포함되어야 한다.이에 우리는 다양한 마이크로스코프, 대비 메커니즘, 확대율에서 촬영된 30개의 서로 다른 세포주에 대한 부분적으로 레이블링된 회색조 이미지를 포함하는 새로운 데이터셋, EVICAN-Expert Visual Cell Annotation을 제안한다. 이 데이터셋은 컴퓨터 비전 응용 프로그램의 훈련 데이터로 바로 사용할 수 있으며, 총 4,600장의 이미지와 약 26,000개의 분할된 세포를 포함하고 있어, 세포 생물학 분야의 딥러닝 응용 개발을 위한 전례 없는 이질성과 풍부한 훈련 데이터셋을 제공한다. 마스크 R-CNN 구현을 활용하여, 밝은 필드 이미지에서 세포 및 세포핵의 자동 분할을 수행하였으며, 자카드 지수(Jaccard Index)가 0.5 이상인 조건에서 평균 정밀도(mAP)는 61.6%를 달성하였다.