Skip to content

README.md

Latest commit

 

History

History
98 lines (52 loc) · 5.19 KB

README.md

File metadata and controls

98 lines (52 loc) · 5.19 KB

조직 병리 이미지의 암 부위 시각화 및 웹 서비스 제작

💡 팀 구성 : Web Front-End & Back-End(FullStack), AI Developing

Capstone Project 개요

💡 - 큰 사이즈의 병리 이미지에서의 Annotation은 상당한 시간과 노동력이 소모된다.
💡 - 현재 프로그램으로 제공되는 Whole Slide Image는 뷰어나 Annotation을 병원 내 서버 저장소나 로컬을 통해 진행돼, 저장공간 등을 소모하게 된다.

병리 이미지를 다루면서 실제 병리과 전문의 분들께 이야기를 들어보거나 병리이미지와 관련된 논문을 읽게 되면 자주 나오는 이야기는 Annotation입니다. 큰 사이즈의 병리 이미지를 Zoom-in, Zoom-out을 하며 일일이 확인해야하며 이에 따른 Cancer Segmentation, Bounding Box등 다양한 Annotation을 진행하게 되는데, 상당한 시간과 노동력이 소모됩니다.

→ Annotation이 진행되는 Tool에서 성능이 좋은 AI model이 있을 경우, 참고용으로 확인하며 Annotation을 진행하여 시간 절약이 가능합니다.

현재 병리 Annotation Tool은 로컬 환경으로 이미지를 옮겨서 Annotation을 해야합니다. 이는 저장공간 등의 로컬환경에 영향을 끼치는 문제가 존재합니다.

→ Annotation이 진행되는 환경이 Web Server단에서 제공이 될 경우, 메모리, 저장공간의 제약을 상대적으로 덜 받을 수 있고, 인터넷만 있으면 작업환경을 구축할 수 있습니다.

🚀 현재까지의 시행, 제품

QuPath | Quantitative Pathology & Bioimage Analysis

QuPath는 병리 Annotation tool을 제공하고 있습니다. 로컬의 이미지등을 프로그램에 업로드하여 Annotation을 진행하고 Annotation file을 저장하는 방식으로 사용되고 있습니다.

→ AI Cancer Segmentation, Web Sevice의 기능은 아직 도입되지 않았습니다.

ASAP | Automated Slide Analysis Platform

ASAP은 QuPath와 동일하게 Annotation tool을 제공하고 있습니다. 해당 프로그램 또한 이미지를 업로드하여 진행하는 방식으로 서비스를 제공하고 있습니다.

→ AI Cancer Segmentation, Web Sevice의 기능은 아직 도입되지 않았습니다.

Cytomine

Cytomine은 저희가 타겟으로 삼는 서비스입니다. 웹 서버에서 병리 이미지들을 관리할 수 있으며 Annotation과 Cloud 서비스 등을 제공 중에 있습니다. 머신러닝에 대한 서비스도 제공 중에 있는 것으로 확인되고 있지만 해당 플랫폼은 서비스들을 유료로 제공하고 있습니다.

→ 제공되는 기능들은 모두 저희가 목표로 하는 서비스와 비슷하지만 서비스들이 유료로 제공되고 있는 플랫폼입니다.

🥅 Objective

  • 병리이미지를 웹 서버에서 관리할 수 있도록 할 예정입니다. - Node.js
  • 데이터베이스를 구축하여 이를 통해 병리이미지들을 보관할 예정입니다. - MySQL
  • Annotation Tool을 Web에서 제공할 수 있도록 할 예정입니다.(서버에 구현 적용)
  • Zoom-in, Zoom-out의 기능을 제공할 예정입니다.
  • Annotation에 도움이 될 수 있는 병리이미지 Cancer 예측 모델을 제공할 예정입니다. - Pytorch
  • AI Cancer Segmentation의 속도를 더 빠르게 웹에 반영되도록 하는 방법을 찾고 있습니다. -Python

🕑 In-process

  • MySQL 과 Node js를 통해 서버의 로그인 환경을 구축하였고 카카오 로그인도 추가하였습니다.
  • 현재는 하드디스크를 통해 이미지들을 관리하고 있습니다. 하지만 곧 데이터베이스를 설계한뒤 이를 클라이언트와 연결하는 작업을 진행 할 것입니다.
  • 현재 웹 기능으로는 이미지 파일을 업로드 다운로드 할 수 있으며 이미지에 대한 설명을 수정 할 수 있는 업데이트 기능 그리고 삭제 기능이 구현 되어 있습니다.
  • Node js 와 python 을 이용해 Predict 버튼을 통해 AI Cancer Segmentation을 확인할 수 있도록 구현하였습니다. 현재 소모되는 시간은 20~30seconds 정도입니다. 이를 줄이는 방안을 모색중에 있습니다.
  • Predict 버튼을 눌렀을 때, 소모되는 시간을 고려하여 Loading Bar를 추가하였습니다.
  • 웹 서버에서 이미지의 Zoom-in, Zoom-out과 Annotation Tool을 제공하도록 구현하였습니다.

📖 Reference

  • Daisuke Komura and Shumpei Ishikawa. "Machine Learning Methods for Histopath ological Image analysis" Computational and structural Biotechnology Journal, 16(2018), p.34-42
  • Le Hou, Dimitris Samaras, Tashin M.Kurc, Yi Gao, James E. Davis et al. "Patch-based Convolutional Neural Network for Whole Slide Tissue Image Classification" In CVPR, 2016.

📖 Reference(etc.)