Point2Mask: 포인트 애너테이션을 활용한 약한 감독 기반 세포 세그멘테이션 방법

미세영상 내 세포를 식별하는 것은 이미지 기반 세포 생물학 연구를 진행하는 데 있어 핵심적인 단계이다. 세포 인스턴스 세그멘테이션은 세포의 형태, 구조, 형상 및 크기 등을 연구할 수 있는 기회를 제공한다. 기존의 딥러닝 기반 세포 인스턴스 세그멘테이션 방법은 각 세포에 대한 인스턴스 세그멘테이션 마스크를 필요로 하는데, 이는 인력이 많이 들고 비용이 큰 작업이다. 세포 생물학 분야에는 풍부한 양의 레이블이 없는 미세영상 데이터가 존재하지만, 세포 인스턴스 세그멘테이션 기법을 위해 요구되는 레이블링 작업이 번거롭고 고비용이기 때문에 데이터의 잠재력을 충분히 활용하지 못하고 있다. 본 논문은 점(point)과 경계 박스(bounding box) 기반의 레이블만을 사용하여 세포 인스턴스 세그멘테이션을 수행할 수 있는 약한 감독(weakly supervised) 접근법을 제안한다. 이는 레이블링 작업량을 크게 감소시킨다. 제안된 방법은 기준 데이터셋인 LIVECell에서 평가되었으며, 각 세포에 대해 경계 박스와 임의로 생성된 점만을 사용함에도 불구하고, 평균 정밀도(mAP) 점수 43.53%를 달성하여 완전한 세그멘테이션 마스크를 사용해 훈련된 전통적인 감독 학습 방법과 동등한 성능을 보였다. 또한, 전체 마스크 레이블링에 비해 경계 박스와 점을 사용한 레이블링은 약 3.71배 더 빠른 속도로 수행될 수 있었다.