As imaging technologies are advanced, a lot of biomedical images were generated from imaging devices such as microscope, CT, MRI, PET, and SPECT. Quantitative analysis can analyze massive quantities of biomedical images and also duplicate the previous experimental results. Most of the commercial software products provide only a few functions to satisfy their specific objectives. Thus, we sought to develop a quantitative image analysis library to fulfill all the requirements of imaging modalities.
Developing the library needs to have various functions for object segmentation, feature extraction, and classification to fulfill all the requirements of imaging modalities. The developed library contained multi-level adaptive thresholding and watershed transform functions as segmentation functions; 62 feature extraction functions from size, shape, intensity, skeleton, and convex-hull operation; erosion, alternating sequential filtering (ASF) as noise removal functions; conditional dilation, gray-scale reconstruction as reconstruction functions; image normalization and cubic surface fitting algorithm as image correction functions.
Using this library, we developed three different types of applications for quantitative image analysis. We implemented functions to find apoptotic candidate genes and cell cycle related genes in 2D microscopy imaging. Seven apoptotic candidate genes were found that were already validated by western blotting and ELISA. Nine candidate genes related to cell cycle showed more than twice expression levels in various tumor tissues compared to normal tissues and need to be validated by biochemical experiments. The intensity and volume of brain tumor from 3D SPECT images were measured by using 3D automatic marker-driven watershed transform. The volume of mouse abdominal fat was measured by three level adaptive thresholding based on the intensity histogram in 3D MR images. Through the implementation of these applications, AdoIC has been further developed.
In this study, we have developed the efficient imaging library to implement and validate three biomedical applications. In the future, logistic regression analysis used as the current classifier may be implemented to enhance classification functions. AdoIC may be incorporated to GRID middleware to provide a problem solving environment (PSE) for network based biomedical image analysis.
영상 획득 기술이 발전함에 따라, 많은 양의 생체 영상이 CT, MRI, PET이 나 SPECT와 같은 영상 장비로부터 만들어지고 있다. 정량분석은 많은 양의 생체 영상분석을 할 수 있으며, 이전의 실험과 똑같은 결과를 얻을 수 있다. 대부분의 상업용 소프트웨어 제품들은 특정한 목적을 만족시키기 위한 몇 가지 기능만을 가지고 있다. 그래서 우리는 영상장치의 모든 조건을 충족시키기 위한 정량적 영상분석 라이브러리를 개발하고자 하였다.
개발하는 라이브러리는 영상 장치의 모든 요구조건을 충족시키기 위해 오브젝트 분할, 특징값 추출, 오브젝트 분류 등의 다양한 기능을 가지고 있어야 한다. 개발된 라이브러리는 오브젝트 분할함수로 multi-level adaptive thresholding과 watershed 함수를, 크기, 모양, 밝기, skeleton, convex-hull 연산 등 의 정보를 이용한 62가지의 특징값 추출 함수를, 잡음 제거함수로 erosion과 alternating sequential filter (ASF) 함수를, 복원 함수로써 조건부 dilation, grayscale 복원 함수를, 이미지 수정 함수로 image normalization함수와 3차원 곡면 피팅 알고리즘을 포함하고 있다.
이 라이브러리를 이용하여 정량적 영상 분석을 위한 세 가지 서로 다른 어플리케이션을 개발하였다. 먼저 2차원 형광 현미경 영상을 이용하여 세포 사멸을 유도하는 유전자 후보군과 세포 주기와 관련된 유전자 후보군을 찾 는 함수를 개발하였다. 세포 사멸을 유도하는 유전자 후보군으로 9개의 유 전자를 찾았고, 이는 western blotting과 ELISA에 의해서 검증되었다. 9개의 세포 주기 관련 유전자 후보군은 정상조직과 비교하여 다양한 조직으로부터 2배 이상의 유전자 발현을 보이고 있으며, 이는 생물학적인 검증이 필요하다. 3차원 SPECT영상으로부터 3차원 자동 생성 마커 기반 워터쉐이드 함수를 이용하여 분할된 개체로부터 종양의 세기와 부피를 측정하였다. 3차원 MR 영상으로부터 밝기정보를 기반으로 한 3단계 점진적 thrhresholding 기법을 이 용하여 쥐의 복부지방의 부피를 측정하였다. 이러한 어플리케이션 구현을 통하여, AdoIC는 더욱더 발전하게 되었다.
본 연구에서는 3가지 생체 영상 어플리케이션을 구현하고 검증하는 효과 적인 영상 라이브러리를 개발하였다. 앞으로는 분류 기능을 강화하기 위해 서 현재 분류기로 사용하고 있는 logistic regression 함수를 라이브러리 내에 구현해야 할 것이다. 그리고 AdoIC를 GRID middleware에 통합시킴으로써 네트워크에 기반한 생체영상의 분석에 있어서 문제 해결 환경(PSE)을 제공할 수 있을 것이다.
