IHC 세포 검출 알고리즘 배율 Unification

배경 및 목적

현재 IHC 세포 검출 알고리즘은 20x 배율 기반으로 개발되었으나, Her2 score 데이터셋은 40x 배율로 구성되어 있습니다. 배율 간 통일성을 확보하여 모델의 일관성과 성능을 향상시키는 것이 목표입니다.

현재 상황

• IGNITE 데이터셋(20x 배율)으로 학습된 세포 검출 모델 구현 완료 (F1-score: 0.7148)
• Her2 score 알고리즘은 40x 배율 데이터셋 사용 중
• Cell Level Her2 score 알고리즘에서 표시된 대로 "20x patch 단위 학습 다시 필요"

해결 방안

1. 데이터 통합 접근법

• 20x 의 256,256 이미지로 고정
• 학습시 시간 관계상 RAM에 데이터 모두 올려 사용예정
• Her2 이미지는 20x로 resize 후 사용 예정

2. 모델 아키텍처 수정

YOLOv11 모델 구조에서 다중 배율 처리를 위한 수정 사항:

• 다중 스케일 특성 추출 강화
• 모델 레이어 구조상 512 이미지에 맞게 검출 용이하게 레이어가 구축되어 있음
• 배율 정보를 추가 피처로 활용하는 방법 검토

3. 데이터 전처리 파이프라인

def unify_magnification(image, source_mag, target_mag):
    """
    이미지 배율 통일 함수
    
    Args:
        image: 원본 이미지
        source_mag: 원본 배율 (20x 또는 40x)
        target_mag: 목표 배율 (20x 또는 40x)
    
    Returns:
        배율이 조정된 이미지
    """
    scale_factor = target_mag / source_mag
    if scale_factor != 1.0:
        # 리사이즈 필요시
        new_height = int(image.shape[0] * scale_factor)
        new_width = int(image.shape[1] * scale_factor)
        resized_image = cv2.resize(image, (new_width, new_height), interpolation=cv2.INTER_CUBIC)
        return resized_image
    return image

WSI 분석 워크플로우 수정