최근에 컴퓨터를 이용한 영상처리기술 및 고속통신망의 발달과 더불어 하드웨어의 고성능화로 의학분야에서 발생되는 영상들에 대해 분석 및 처리를 자동화하려는 많은 연구가 진행되고 있다. 본 논문에서는 말초혈액영상에서 혈구세포들을 자동으로 분석, 분류 및 카운트하기 위해 다층신경망에 기반한 시스템을 설계 및 구현하였다. 이를 위해 먼저 CDD 카메라가 부착된 현미경으로부터 영상을 입력받아 적혈구와 백혈구 분류를 위한 다양한 특징추출 알고리즘을 적용하였다. 또한, PCA를 적용해 다차원의 특징을 저차원으로 줄여 분류기의 훈련과 인식 시간을 단축시킴으로서 보다 효율적인 분류기 시스템을 구축하였다. 따라서 , 본 논문에서는 제안된 시스템이 실제 임상 병리진단 가이드 시스템에 적용 가능함을 보일 수 있었다.
Recently, there have been many researches to automate processing and analysing image data in medical field, due to the advance of image processing techniques, the fast communication network and high performance hardware. In this paper, we design and implement the system based on the multi-layer neural network model to be able to analyze, differentiate and count blood cells in the peripheral blood image. To do these, we segment red and white-blood cell in blood image acquired from microscope with CCD(Charge-coupled device) camera and then apply the various feature extraction algorithms to classify. In addition to, we reduce multi-variate feature number using PCA(Principle Component Analysis) to construct more efficient classifier. So, in this paper, we are sure that the proposed system can be applied to a pathological guided system.
