DeepFocus: 깊이 학습을 이용한 전체 슬라이드 디지털 이미지의 초점이 애매한 영역 감지

전체 슬라이드 스캐너의 개발은 디지털 병리학 분야에 혁신을 가져왔습니다. 불행히도, 전체 슬라이드 스캐너는 병리학자가 정확한 진단 및 예후를 내리는 데 필요한 조직의 양을 제한하는 초점이 맞지 않거나 흐릿한 영역이 포함된 이미지를 종종 생성합니다. 게다가 이러한 아티팩트는 컴퓨터화 된 이미지 분석 시스템의 성능을 저하시킵니다. 이러한 영역은 일반적으로 육안 검사에 의해 식별되며, 이 과정은 주관적인 평가를 초래하여 높은 내부 및 외부 관찰자 변동성을 초래합니다. 또한, 이 과정은 지루하고 시간이 많이 소요됩니다. 이 연구의 목표는 이러한 문제를 해결하기 위해, 디지털 전체 슬라이드 이미지에서 흐릿한 영역을 자동으로 감지하고 분할할 수 있는 DeepFocus라는 이름의 딥 러닝 기반 소프트웨어를 개발하는 것입니다. DeepFocus는 효율적인 수치 계산을 위한 데이터 흐름 그래프를 활용하는 오픈 소스 라이브러리인 TensorFlow를 기반으로 구축되었습니다. DeepFocus는 9개의 서로 다른 초점 평면에서 체계적으로 스캔된 16개의 서로 다른 H&E 및 IHC 염색 슬라이드를 사용하여 훈련되었으며, 다양한 흐릿함을 가진 216,000개의 샘플을 생성했습니다. 두 개의 독립적인 데이터 세트에서 훈련되고 테스트한 결과, DeepFocus는 평균 93.2% (± 9.6%)의 정확도를 달성했으며, 이는 기존 방법보다 23.8% 개선된 수치입니다. DeepFocus는 전체 슬라이드 스캐너와 통합되어 문제 영역을 자동으로 재스캔할 수 있는 잠재력을 가지고 있으며, 따라서 병리학자와 이미지 분석 알고리즘의 전반적인 이미지 품질을 개선할 수 있습니다.