• 한국정보통신학회논문지
• /
• 제7권4호
• /
• pp.839-844
• /
• 2003

본 연구에서는 염색체의 영상패턴을 인식하고 분류하는 방법을 개선하기 위해 패턴인식의 특징정보로 사용되는 비선형적인 염색체 영상을 선형적으로 재구성하는 영상 재구성 알고리즘을 사용하여 선형화된 특징정보를 추출하여 패턴분류기인 신경회로망의 입력정보로 사용한다. 중앙축 변환방법과, 영상 재구성방법을 사용하여 임상적으로 정상인으로 판명된 20명의 염색체 영상의 특징정보를 추출하였다. 중앙축 변환방법에 의하여 추출된 특징정보의 패턴조합과 영상 재구성방법에 의하여 추출된 특징정보의 패턴조합을 구성하였으며, 10명에 대하여 추출한 특징정보를 계층적인 신경회로망(Hierarchical Multilayer Neural Network : HMNN)의 학습입력으로 사용하여 염색체를 분류하기 위한 패턴인식기를 구현하였다. 그리고 나머지 10명에 대하여 학습입력과 동일하게 조합된 패턴조합을 HMNN의 분류입력으로 사용하여 수행한 결과 약 98.26%의 우수한 인식률을 나타내는 최적화된 패턴인식기를 구현할 수 있었다.

• 한국컴퓨터산업학회논문지
• /
• 제2권8호
• /
• pp.1045-1054
• /
• 2001

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.

• 대한의용생체공학회:의공학회지
• /
• 제17권4호
• /
• pp.545-552
• /
• 1996

Researches on chromosome are very significant in cytogenetics since a gene of the chromosome controls revelation of the inheritance plasma The human chromosome analysis is widely used to diagnose genetic disease and various congenital anomalies. Many researches on automated chromosome karyotype analysis has been carried out, some of which produced commercial systems. However, there still remains much room for improving the accuracy of chromosome classification. In this paper, we propose an algorithm for reconstruction of the chromosDme image to improve the chromosome classification accuracy. Morphological feature parameters are extracted from the reconstructed chromosome images. The reconstruction method from chromosome image is the 32 direction line algorithm. We extract three morphological feature parameters, centromeric index(C.I.), relative length ratio(R.L.), and relative area ratio(R.A.), by preprocessing ten human chromosDme images. The experimental results show that proposed algorithm is better than that of other researchers'comparing by feature parameter errors.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 B
• /
• pp.555-559
• /
• 1998

The human chromosome analysis is widely used to diagnose genetic disease and various congenital anomalies. Many researches on automated chromosome karyotype analysis have been carried out, some of which produced commercial systems. However, there still remains much room for improving the accuracy of chromosome classification. In this paper, We proposed an optimal pattern classifier by neural network to improve the accuracy of chromosome classification. The proposed pattern classifier was built up of two-step multi-layer neural network(TMANN). We reconstructed chromosome image to improve the chromosome classification accuracy and extracted four morphological features parameters such as centromeric index (C.I.), relative length ratio(R.L.), relative area ratio(R.A.) and chromosome length(C.L.). These Parameters employed as input in neural network by preprocessing twenty human chromosome images. The experiment results shown that the chromosome classification error was reduced much more than that of the other classification methods.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1997년도 추계학술대회
• /
• pp.133-136
• /
• 1997

The human chromosome analysis is widely used to diagnose genetic disease and various congenital anomalies. Many researches on automated chromosome karyotype analysis has been carried out, some of which produced commercial systems. However, there still remains much room or improving the accuracy of chromosome classification. In this paper, We propose an optimal pattern classifier by neural network to improve the accuracy of chromosome classification. The proposed pattern classifier was built up of multi-step multi-layer neural network(MMANN). We reconstructed chromosome image to improve the chromosome classification accuracy and extracted three morphological features parameters such as centromeric index(C.I.), relative length ratio(R.L.), and relative area ratio(R.A.). This Parameters employed as input in neural network by preprocessing twenty human chromosome images. The experiment results show that the chromosome classification error is reduced much more than that of the other classification methods.