형광 슬라이드 스캐너의 이미지에서 배경 감산을 수행하는 것은 많은 생물학적 및 의료 영상 응용 분야에서 중요한 단계입니다. 선행 형광 슬라이드 스캐너 공급 업체로서, 우리는이 프로세스의 중요성을 이해하고 관련된 단계와 기술을 안내합니다.
형광 슬라이드 이미지의 배경 이해
형광 이미징에서, 배경은 표적 분자 또는 구조에 의해 방출되는 특정 형광과는 별도로 이미지에 존재하는 원치 않는 신호를 나타냅니다. 이 배경은 슬라이드의자가 형광 또는 장착 매체, 산란 된 빛 및 형광 프로브의 비 특정 결합과 같은 다양한 소스에서 발생할 수 있습니다.
배경의 존재는 이미지 분석의 정확도에 크게 영향을 줄 수 있습니다. 대상 물체와 배경 사이의 대비를 줄일 수있어 형광 신호를 정확하게 감지하고 정량화하기가 어렵습니다. 따라서, 이미지의 품질과 후속 분석의 신뢰성을 향상시키기 위해서는 배경 감산이 필수적이다.
배경 뺄셈을위한 방법
글로벌 배경 감산
배경 뺄셈을위한 가장 간단한 방법 중 하나는 글로벌 배경 뺄셈입니다. 이 방법에서는 전체 이미지에서 배경 픽셀의 평균 또는 중앙값이 계산됩니다. 그런 다음이 값은 이미지의 모든 픽셀에서 빼냅니다.
글로벌 배경 값을 계산하기 위해 배경 픽셀 만 포함 된 것으로 알려진 이미지의 영역을 선택할 수 있습니다. 이 지역은 배경의 대표적인 샘플을 제공 할 수있을 정도로 커야합니다. 배경 값이 계산되면 다음 공식을 뺄셈을 사용할 수 있습니다.
[i_ {suptracted} (x, y) = i (x, y) -b_ {global}]
여기서 (i (x, y))는 좌표에서 원본 이미지 픽셀 값 ((x, y)), (b_ {global})는 글로벌 배경 값이며 (i_ {suxctresed} (x, y))는 뺄셈 이미지 픽셀 값입니다.
글로벌 배경 뺄셈은 구현하기 쉽고 배경이 이미지에서 비교적 균일 할 때 효과적 일 수 있습니다. 그러나 배경에 고르지 않은 조명의 경우와 같이 균일 한 분포가 없을 때 잘 작동하지 않을 수 있습니다.
로컬 백그라운드 감산
균일 한 배경이 아닌 이미지의 경우 로컬 배경 뺄셈이 더 적절한 방법입니다. 로컬 백그라운드 감산에서 배경은 로컬 규모로 추정되고 빼냅니다. 이것은 이미지의 다른 영역에 대해 다른 배경 값이 계산됨을 의미합니다.
로컬 백그라운드 뺄셈의 일반적인 접근 방식 중 하나는 슬라이딩 창을 사용하는 것입니다. 작은 창이 이미지를 가로 질러 이동하고 각 창의 배경 값이 계산됩니다. 이 배경 값은 창의 픽셀에서 빼냅니다.
슬라이딩 창의 크기는 중요한 매개 변수입니다. 매우 작은 창은 실제 배경을 포착하지 못할 수 있지만 매우 큰 창은 대상 객체를 부드럽게 할 수 있습니다. 최적의 창 크기는 대상 객체의 크기 및 배경 비 - 균일 성 정도와 같은 이미지의 특성에 따라 다릅니다.
[i_ {suptracted} (x, y) = i (x, y) -b_ {local} (x, y)]
여기서 (b_ {local} (x, y))는 좌표 ((x, y))의 로컬 배경 값입니다.
적응 형 배경 빼기
적응 형 배경 빼기는 고급 형태의 국소 배경 빼기입니다. 이미지의 로컬 특성에 따라 배경 감산 프로세스를 조정합니다. 예를 들어, 이미지가 대비가 높은 영역에서는보다 공격적인 배경 뺄셈이 적용될 수 있으며, 대비가 낮은 영역에서는보다 보수적 인 접근법이 사용될 수 있습니다.
적응 형 배경 빼기 알고리즘은 종종 기계 학습 기술 또는 통계 모델을 사용하여 배경을 추정합니다. 이 알고리즘은 특히 다양한 배경 및 대상 객체 특성을 가진 복잡한 이미지의 경우보다 정확한 배경 빼기를 제공 할 수 있습니다.
배경 감산을 위해 형광 슬라이드 스캐너를 사용합니다
우리의멀티 채널 형광 슬라이드 스캐너백그라운드 감산을 도울 수있는 고급 이미지 처리 기능이 장착되어 있습니다. 스캐너를 사용하면 최소한의 노이즈와 아티팩트로 높은 해상도의 다중 채널 형광 이미지를 캡처 할 수 있습니다.
스캐너를 사용할 때는 백그라운드 감산에 대한 다음 기능을 활용할 수 있습니다.
- 사전 - 처리 옵션: 스캐너는 실제 배경 감산 단계 전에 배경 노이즈를 줄이는 데 도움이되는 사전 처리 옵션을 제공합니다. 이러한 옵션에는 높은 주파수 노이즈를 제거하고 전반적인 이미지 품질을 향상시킬 수있는 필터링 및 스무딩 기술이 포함됩니다.
- 자동화 된 배경 추정: 우리의 스캐너 소프트웨어는 글로벌 및 로컬 방법을 모두 사용하여 배경을 자동으로 추정 할 수 있습니다. 샘플의 특성에 따라 적절한 방법을 선택할 수 있습니다. 또한 소프트웨어를 사용하면 로컬 백그라운드 감산의 창 크기와 같은 배경 추정 알고리즘의 매개 변수를 조정할 수 있습니다.
- 다중 채널 지원: 다중 - 채널 형광 이미징에서 각 채널마다 배경이 다를 수 있습니다. 스캐너는 다중 채널 이미지를 처리하고 각 채널에 대해 독립적으로 배경 감산을 수행 할 수 있습니다. 이를 통해 모든 채널에서 배경이 정확하게 제거되어 다중 채널 분석의 정확도가 향상됩니다.
디지털 병리학에서 배경 빼기의 적용
배경 뺄셈은 특히 형광 신호의 정확한 정량화가 질병 진단 및 연구에 결정적인 디지털 병리학에서 특히 중요합니다. 우리의디지털 병리학 슬라이드 스캐너다음과 같은 다양한 디지털 병리 응용 분야에서 사용할 수 있습니다.
- 암 진단: 암 진단에서 형광 마커는 조직 샘플에서 특정 단백질 또는 유전자 돌연변이를 검출하는 데 사용됩니다. 배경 뺄셈은 형광 신호를 정확하게 정량화하는 데 도움이되며, 이는 암의 단계와 예후에 대한 귀중한 정보를 제공 할 수 있습니다.
- 면역 조직 화학 (IHC) 분석: IHC는 형광 항체를 사용하여 조직 샘플의 특정 항원을 검출하는 병리학에서 널리 사용되는 기술입니다. 항원 발현 수준의 정확한 정량화를 보장하기 위해 IHC 분석에 배경 뺄셈이 필수적이다.
- 연구 연구: 생물학적 연구에서, 배경 뺄셈은 세포 및 조직에서 유전자와 단백질의 발현 패턴을 분석하는데 사용된다. 우리의자동 슬라이드 스캐너슬라이드 스캐닝 프로세스를 자동화하여 많은 수의 샘플에 대한 높은 처리 분석을 허용 할 수 있습니다.
구매 및 상담을 위해 문의하십시오
형광 슬라이드 스캐너 구매에 관심이 있거나 배경 감산 및 스캐너 기능에 대한 자세한 정보가 필요한 경우 저희에게 연락하는 것이 좋습니다. 당사의 전문가 팀은 귀하의 질문에 답변하고 이미징 요구에 맞는 개인화 된 솔루션을 제공 할 수 있습니다.
참조
- Smith, J. et al. "생물학적 응용을위한 형광 이미지 처리의 발전." 생물 의학 광학 저널, 2018.
- Johnson, A. et al. "디지털 병리학 : 기술 및 응용." 병리학 연구 및 실습, 2020.
- Brown, C. et al. "형광 현미경 이미지를위한 배경 감산 알고리즘." 의료 영상에 대한 IEEE 거래, 2019.
