Whole Slide Images에서 색상 처리가 혈액 및 손상된 조직 탐지에 미치는 영향 정량화

조직학적 조직 검사는 병리학자가 유리 슬라이드에서 종양의 존재를 확인함으로써 암 진단에 오랫동안 활용되어 온 전통적인 방법이다. 실험실 routine 과정에서 수술적 절제 과정의 복잡성으로 인해 의도하지 않은 아티팩트가 슬라이드에 포함될 수 있다. 방광 종양의 전방위 절제술(Transurethral Resection of the Bladder Tumor, TURBT)과 관련하여 흔히 발생하는 두 가지 주요 문제는 혈액과 손상된 조직 아티팩트이다. 각 실험실 간의 조직학적 처리 절차의 차이도 색상 변이 및 결과의 미세한 불일치를 초래할 수 있다. 유리 슬라이드의 디지털화된 형태인 워드 슬라이드 이미지(Whole Slide Image, WSI)는 자동 진단 분야에 막대한 잠재력을 지닌다. 그러나 WSI 내에 진단적으로 무관한 영역이 존재할 경우, 병리학자뿐 아니라 계산 기반 병리학(Computational Pathology, CPATH) 시스템의 진단 가치가 저하된다. 따라서 진단적으로 무의미한 영역을 자동으로 탐지하고 제거하는 것은 더 신뢰할 수 있는 예측을 가능하게 할 수 있다. 본 연구에서는 진단적으로 유의미한 조직과 대비하여 혈액 및 손상된 조직을 탐지하는 것을 목표로 한다. 또한, 미리 학습된 모델을 활용한 전이 학습(transfer learning)과 처음부터 학습하는 방식의 성능을 비교 평가한다. 최적의 모델은 혈액 탐지와 손상된 조직 탐지에 각각 0.99 및 0.89의 F1 스코어를 기록한다. 혈액과 손상된 조직은 미묘한 색상 차이를 보이므로, 다섯 가지 유명한 아키텍처에 대한 이진 분류 성능에 색상 처리 방법의 영향을 평가한다. 마지막으로, 색상을 제거함으로써 형태학적 특징 대비 색상 정보의 분류 성능에 대한 중요성을 분석한다.