자가 학습 AI 기술을 사용한 사구체의 신속한 자동 검출 및 분할

연구자들은 대규모 이미지 세트를 분석하여 조사와 관련된 데이터를 얻는 경우가 많습니다. 이러한 분석은 정량적이면서도 점성적일 수도 있으며, 신뢰성과 공정성을 가지고 있어야 합니다. 이러한 작업은 관심영역의 형태에 따라 매우 난해할 수 있습니다. Olympus는 이러한 프로세스를 가속화하기 위해 SLIDEVIEW™ VS200 디지털 슬라이드 스캐닝 시스템과 딥 러닝을 조합한 솔루션을 제공합니다. 이 실험에서는 신장의 사구체 검출에 스캐너의 자가 학습 이미지 분석 소프트웨어 모듈을 적용했습니다.

신장 사구체 검출 및 분할

신장 병리학 연구에서, 과학자들은 보다 효율적이고 우수한 치료법을 개발할 수 있도록 신장 관련 질환의 복잡한 기전을 풀어가고 있습니다.

신장은 사구체의 도움을 받아 우리의 전반적인 건강을 유지하기 위해 여러가지 중요한 기능을 수행합니다. 사구체는 혈장을 여과하고 항상성을 유지하는 신장 조직입니다. 사구체는 과학자들에 의해 광범위하게 연구되어온 몇 가지 질병 상태에 의해 영향을 받을 수 있습니다. 이 과학적 연구의 핵심은 사구체를 가시화하는 다양한 염색 프로토콜로 준비된 많은 수의 신장 조직 절편을 분석하는 것입니다.

신장 조직 절편의 이미지 분석은 사구체의 형태나 수의 변화를 확인하는 데 중요한 역할을 합니다. 그러나 연구 목적의 샘플을 다량으로 준비하는 작업은 많은 시간이 소요되며 주관이 개입될 수 있습니다. 신장병리학 연구자들은 이 프로세스를 가속화 및 최적화를 위해 SLIDEVIEW VS200 디지털 슬라이드 스캐닝 시스템을 사용하여 많은 슬라이드를 신속하게 스캔할 수 있습니다. 이제 시스템의 이미지 분석 소프트웨어에는 크기, 모양 또는 색의 변형과 상관없이 사구체를 인식하는 훈련이 가능한 딥 러닝 신경망 모듈이 탑재되어 있습니다.

사구체의 자동 검출 및 분할 과제

컴퓨터를 이용한 신장 조직의 생체 검사 샘플의 분석이 어려운 이유는 신장 조직의 복잡성, 병리학적 특징의 이질성 그리고 관습적으로 사용하는 여러 신장 조직 착색제 때문입니다. 염색된 조직 절편 각각의 색상 농도는 염색 시약의 잔류량에 따라 달라집니다.

사구체의 형태와 디지털 조직 이미징과 관련된 다양한 변동성이 분류 자동화를 어렵게 만들고 있습니다. 따라서, 신장 조직에서의 사구체 검출은 VS200 슬라이드 스캐너와 TruAI™ 딥 러닝 솔루션의 조합의 적용에 따른 유효성이 철저하게 평가될 수 있는 응용 사례입니다.

사구체 세포와 다른 세포를 구별하지 못하는 기존 임계법 (빨간색) 기반 검출 결과를 보여주는 10배 확대 사진과(왼쪽)와 짙은 갈색으로 착색된 사구체가 포함된 신장 조직 부위의 20배 확대 사진(오른쪽) 이미지 제공: ChemoCentryx, Inc. 연구소장 Zhenhua Miao 캘리포니아 주 마운틴 뷰(미국)

SLIDEVIEW™ VS200 스캐너 및 TruAI™ 딥 러닝 솔루션을 사용한 실험

스캔 이미지에서 이러한 구조를 분석하려는 연구자들은 일반적으로 사구체를 수동으로 선택하는데, 이는 시간이 오래 걸립니다. 또한 임계치 기반 알고리즘과 같은 기존 자동 분할 방법은 위와 같이 사구체를 단독으로 검출하지 못합니다.

VS200 슬라이드 스캐닝 패키지에는 이미지 분석을 위한 VS-Desktop 소프트웨어가 포함되어 있습니다. 이 소프트웨어는 합성곱 신경망 (Convolutional neural network, CNN)에 기반한 검출 및 분할에 딥 러닝 접근법을 적용하는 TruAI™ 모듈을 제공합니다. 이러한 네트워크는 자가 학습 현미경 사용 형태이며, 매우 효과적인 개체 분할 기술입니다. 이 기술 덕분에 우리는 신장 내부의 사구체 검출을 자동화할 수 있습니다.

신경망 훈련 프로세스는 다음 섹션에서 설명합니다.

딥 러닝을 사용하여 샘플을 자동으로 검출하고 분할하는 간편한 워크플로 이 자동 분석을 위한 첫 번째 단계는 주석이 달린 샘플 이미지 또는 “실측” 데이터를 소프트웨어에 입력하는 것입니다. 이 주석은 VS-Desktop 소프트웨어에서 소량의 이미지에 사구체를 수동으로 표시하여 생성합니다. 표시된 개체는 많을수록 좋습니다. 농도, 색상, 크기 및 모양이 다른 개체가 많을수록 신경망이 더 풍부해집니다. VS 이미지 분석 소프트웨어에는 이 단계를 용이하게 하는 다양한 툴이 있어서 사용이 간편합니다.
분류된 데이터가 생성되면, 다음 단계는 심층 신경망(Deep Neural Network, DNN)을 훈련하는 것입니다. 이 단계에서 네트워크는 높은 확률 치에 도달할 때까지 실측 데이터와 자체 계산 데이터를 비교합니다. 이 계산된 데이터는 인간의 뇌를 모방하는 인공 지능(AI)의 한 유형(소위 DNN)으로, 구조를 인식하고 지능적으로 판단하는 법을 배웁니다.

마지막으로, 계산된 DNN은 나머지 신장 이미지에 적용되어 사구체를 자동으로 검출 및 분리합니다.

훈련된 Olympus TruAI™ 심층 신경망을 모든 VS200 데스크톱 스테이션 및 호환되는 기타 올림푸스 제품에 전달하여 사용할 수 있습니다.

이 프로세스는 아래와 같이 자동화된 워크플로로 나타납니다. 사구체 분할은 다음 세 가지의 간단한 단계로 이루어져 있습니다.

1. 새 이미지가 SLIDEVIEW™ VS200 디지털 슬라이드 스캐닝 시스템으로 스캔됩니다.

2. 사구체가 훈련된 DNN에 의해 검출되고 분리됩니다.

3. 검출된 사구체는 분할되어 출력 이미지에서 Count and Measure 분석을 수행하는 데 사용할 수 있습니다.

사구체의 검출 및 분할을 위해 딥 러닝 솔루션을 사용하는 SLIDEVIEW VS200 스캐너의 장점 요약

TruAI™ 모듈로 인해 복잡한 이미지에서 사구체의 개체 검출 및 분할이 쉬워졌고, 다른 기존 자동 방식보다 신뢰성과 정확도가 더 높아졌습니다. 셈측도와 같은 추가 분석도 이러한 분할 결과에 기반하여 수행할 수 있습니다.

SLIDEVIEW™ VS200 스캐너와 TruAI™ 딥 러닝 솔루션의 결합은 명시야 및 형광으로 관찰한 조직 샘플처럼 다양한 이미지에 대한 광범위한 생물학적 응용에서 샘플 획득부터 정확한 양적 데이터 분석까지 완전한 워크플로를 제공할 수 있습니다.

이미지 분석의 정밀한 자동화는 과학자들의 여러 지루한 수동 작업을 줄여주고, 그들의 연구를 더욱 효율적으로 만들어줍니다.

저자

• ChemoCentryx, Inc. 연구소장 Zhenhua Miao 미국 캘리포니아 주 마운틴 뷰
• 독일 뮌스터 Olympus Soft Imaging Solutions GmbH 제품 관리자 Sara Quiñones Gonzalez
• 독일 뮌스터 Olympus Soft Imaging Solutions 영업 지원 관리자 Daniel Göttel 박사