We present a selective denoising technique in optical diffraction tomography (ODT) red blood cell images. In optical diffraction tomography images of red blood cells (RBCs), similar artifacts are found at the same locations in different cell images. These artifacts are independent from the data and it is considered as a fixed noise which should be removed from the original image. Its size and pattern are different from Gaussian noise which is generally handled in most of the previous denoising methods. Thus, noise reduction algorithm which encounters the selected region which contains the fixed noise artifact and does not harm the structure of the cell is needed. We propose a denoising strategy that automatically detects the fixed noise artifact and denoises in the selected areas. At first, we manually annotate boxes which contain microscopy-specific artifact in the cell images. By making a training dataset as pairs of boxes and images, we train a convolutional neural network (CNN) model which detects the artifacts in given ODT red blood cell images. After detecting artifacts, we apply proposed method to detected boxes which is median filter with window size quarter of the box containing the artifact. Finally, we have an automatic framework which gives an image with denoised selected region. This technique can be also applied to the ODT 3D volume data as the application. The main contribution of this work is that we made a framework that automatically detects the fixed noise and denoise the selected region with the proposed method in ODT images.
본 학위논문에서는 적혈구의 광 회절 단층 촬영 영상에서의 선택적인 잡음 제거 방법을 제시한다. 이 영상들에서는 서로 다른 세포 영상들의 비슷한 위치에서 유사한 형태의 잡음들이 나타난다. 이러한 잡음들은 데이터의 성질과는 무관하고 원래의 영상에서 제거되어야 할 고정적인 잡음으로 간주된다. 이러한 잡음들의 크기와 형태는 기존의 잡음 제거 기법들 에서 주로 다뤄지는 가우시안 잡음과 다르다. 그러므로, 고정적인 잡음 형태를 포함하는 선택적인 영역에 관여하고 세포의 구조를 해치지 않는 잡음 제거 방법이 필요하다. 이 논문에서는 자동적으로 고정적인 잡음 형태를 감지하고 선택된 영역의 잡음을 제거하는 기법을 제안한다. 첫 번째로, 세포 이미지 내에서 현미경에 특정적인 잡음들을 수동으로 박스를 씌운다. 박스와 영상의 쌍들로 훈련 데이터 세트를 구성하여, 주어진 영상에서 잡음 형태를 감지하는 컨볼루셔널 뉴럴 네트워크 모델을 학습시킨다. 잡음 형태 감지 이후에는 창의 크기가 잡음 형태를 포함하는 박스의 크기의 사분의 일인 중간값 필터를 감지된 박스들에 적용한다. 결과적으로, 선택된 영역들의 잡음이 제거된 영상을 얻게 된다. 이 방법은 3차원 영상 데이터에도 응용될 수 있다. 이 연구의 주요한 기여는 광 회절 단층 촬영 영상에서 자동적으로 고정적인 잡음을 감지하고 선택된 영역의 잡음을 제거하는 체계를 만들었다는 점이다.
