Karyotype Classification of The Chromosome Image using Hierarchical Neural Network

계층형 신경회로망을 이용한 염색체 영상의 핵형 분류

To improve classification accuracy in this paper, we proposed an algorithm for the chromosome image reconstruction in the image preprocessing part and also proposed the pattern classification method using the hierarchical multilayer neural network(HMNN) to classify the chromosome karyotype. It reconstructed chromosome images for twenty normal human chromosome by the image reconstruction algorithm. The four morphological and ten density feature parameters were extracted from the 920 reconstructed chromosome images. The each combined feature parameters of ten human chromosome images were used to learn HMNN and the rest of them were used to classify the chromosome images. The experimental results in this paper were composed to optimized HMNN and also obtained about 98.26％ to recognition ratio.

본 논문에서는 염색체의 핵형을 자동으로 분류하는 연구방법을 개선하기 위하여 염색체의 영상을 재구성하는 방법과 패턴의 인식을 위해 계층형 신경회로망의 구현에 관한 두 가지의 알고리즘을 제안한다. 먼저 영상 재구성방법을 사용하여 임상적으로 정상인으로 판명된 20명의 염색체 영상에서 형태 구조학적인 특징정보와 농도정보를 추출하였다. 10명에 대하여 추출한 정보를 다섯 가지로 조합하여 계층형 신경회로망(Hierarchical Multilayer Neural Network： HMNN)의 학습입력으로 사용하여 핵형을 분류할 수 있는 패턴인식기를 구현하였다. 그리고 나머지 10명에 대한 다섯 가지의 조합된 정보를 HMNN의 분류입력으로 사용하여 실험한 결과 약 98.26％의 우수한 인식률을 나타내는 최적화된 계층적 인공신경회로망을 구현할 수 있었다.