The Journal of the Korea Contents Association (한국콘텐츠학회논문지)

The Korea Contents Association (한국콘텐츠학회)
권호 표지
DOI QR코드

DOI QR Code

Automatic Segmentation of Cellular Images for High-Throughput Genome-Wide RNA Interference Screening

고속 Genome-Wide RNA 간섭 스크리닝을 위한 세포영상의 자동 분할

  • 한찬희 (한밭대학교 정보통신전문대학원) ;
  • 송인환 (한밭대학교 정보통신전문대학원) ;
  • 이시웅 (한밭대학교 정보통신전문대학원)
  • Received : 2010.02.17
  • Accepted : 2010.04.13
  • Published : 2010.04.28
Download PDF
⟨ Previous Next ⟩

Abstract

In recent years, high-throughput genome-wide RNA interference screening is emerging as an essential tool to biologists in understanding complex cellular processes. The manual analysis of the large number of images produced in each study spends much time and the labor. Hence, automatic cellular image analysis becomes an urgent need, where segmentation is the first and one of the most important steps. However, those factors such as the region overlapping, a variety of shapes, and non-uniform local characteristics of cellular images become obstacles to efficient cell segmentation. To avoid the problem, a new watershed-based cell segmentation algorithm using a localized segmentation method and a feature vector is proposed in this paper. Localized approach in segmentation resolves the problems caused by a variety of shapes and non-uniform characteristics. In addition, the poor performance of segmentation in overlapped regions can be improved by taking advantage of a feature vector whose component features complement each other. Simulation results show that the proposed method improves the segmentation performance compared to the method in Cellprofiler.

최근에 고속 genome-wide RNA 간섭 스크리닝 기술은 복잡한 세포 기능을 이해하는 생명공학 연구의 핵심적인 도구로 자리 잡고 있다. 그러나 관련 연구에서 발생되는 수많은 영상을 수작업을 통해 분석하는 것은 많은 시간과 노력이 요구된다. 따라서 세포영상의 자동분석 기술은 매우 시급히 확보되어야 하는 기술이며, 그 중 영상 분할은 자동분석을 위한 첫 단계로서 가장 중요한 과정이라 할 수 있다. 세포영상의 자동분할에서는 영역의 겹침 현상과 영역별 모양의 다양성 및 영상 특성의 불균일성 등이 정확한 세포 분할을 어렵게 만드는 주원인으로 작용한다. 본 논문에서는 이러한 문제점을 극복하기 위해 영상 특징들의 국부적인 연속성과 특징 벡터 기반의 워터쉐드 알고리즘을 적용한 새로운 자동 세포 분할 알고리즘을 제안한다. 영상 특징들의 연속성을 국부적인 영역으로 제한함으로써 영역별 모양의 다양성 및 영상 특성의 불균일성에 따른 문제점을 극복할 수 있으며, 특징벡터의 사용을 통해 하나의 영상특징만을 고려한 경우 발생되는 겹침 영역에서의 분할 성능 저하를 개선할 수 있다. 세포영상 분석을 위한 소프트웨어 패키지인 Cellprofiler와의 비교/분석 실험을 통해 제안 알고리즘의 효율성을 입증하였다.

Keywords

References

  1. H. Peng, "Bioimage informatics: a new area engineering biology," Bioinformatics, Vol.24, No.17, pp.1827-1836, 2008. https://doi.org/10.1093/bioinformatics/btn346
  2. G. Lin, M. K. Chawla, K. Olson, J. F. Guzowski, C. A. Barnes, and B. Roysam, "Hierarchical, model-based merging of multiple fragments for improved three-dimensional segmentation of nuclei," Cytometry Part A, Vol.63, No.1, pp.23-33. 2005. https://doi.org/10.1002/cyto.a.20099
  3. G. Lin, U. Adiga, K. Olson, J. F. Guzowski, C. A. Barnes, and B. Roysam, "A hybrid 3-d watershed algorithm incorporating gradient cues & object models for automatic segmentation of nuclei in confocal image stacks," Cytometry Prat A, Vol.56, No.1, pp.23-36, 2003.
  4. M. Hu, X. Ping, and Y. Ding, "Automated cell nucleus segmentation using improved snake," International Conference on Image Processing, Vol.4, pp.2737-2740, 2004. https://doi.org/10.1109/ICIP.2004.1421670
  5. P. Bamford and B. Lovell, "Unsupervised Cell Nucleus Segmentation with Active Contours," Signal Processing, Vol.71, No.2, pp.203-213, 1998. https://doi.org/10.1016/S0165-1684(98)00145-5
  6. G. Cong and B. Parvin, "Model-based segmentation of nuclei," Pattern Recognition, Vol.33, No.8, pp.1383-1393, 2000. https://doi.org/10.1016/S0031-3203(99)00119-3
  7. T. Mouroutis, S. J. Roberts, and A. Bharath, "Robust cell nuclei segmentation using statistical modelling," Bioimaging Vol.6, No.2, pp.79-91, 1998. https://doi.org/10.1002/1361-6374(199806)6:2<79::AID-BIO3>3.0.CO;2-#
  8. G. Begelman, E. Gur, E. Rivlin, M. Rudzsky, and Z. Zalevsky, "Cell nuclei segmentation using fuzzy logic engine," International Conference on Image Processing, Vol.5, pp.2937-2940, 2004. https://doi.org/10.1109/ICIP.2004.1421728
  9. P. Yan, X. Zhou, M. Shah, and S. T. C. Wong, "Automatic Segmentation of High-Throughput RNAi Fluorescent Cellular Images," IEEE Transactions on Information Technology in Biomedicine, Vol.12, No.1, pp.109-117, 2008. https://doi.org/10.1109/TITB.2007.898006
  10. M. R. Lamprecht, D. M. Sabatini, and A. E. Carpenter, "Cellprofiler : free, versatile software for automated biological image analysis," BioTechniques, Vol.42, No.1, 2007.
  11. N. Otsu, "A threshold selection method from gray level histograms," IEEE Transactions on Systems, Man and Cybernetics, Vol.9, No.1, 1979. https://doi.org/10.1109/TSMC.1979.4310076