본 논문은 밝은 시야 현미경 이미지에서 단일 세포를 정확하게 감지하기 위한 딥러닝 방법의 발전을 위해, 데이터 부족과 주석 작업의 병목 현상을 해결하고자 무조건적 모델을 사용하여 합성 이미지를 생성하고 객체 감지 성능에 미치는 영향을 평가한다. U-Net 기반 확산 모델을 훈련하여 다양한 비율의 합성 및 실제 이미지를 포함하는 데이터 세트를 생성했다. YOLOv8, YOLOv9, RT-DETR을 사용한 실험 결과, 합성 데이터로 훈련했을 때 감지 정확도가 향상되었다. 또한, 전문가 설문 조사에서 생성된 이미지의 높은 현실성을 확인했으며, 전문가들은 실제 현미경 이미지와 구별할 수 없었다 (정확도 50%). 본 연구는 확산 기반 합성 데이터 생성이 현미경 이미지 분석에서 실제 데이터 세트를 보강하고, 수동 주석에 대한 의존도를 줄이며, 세포 감지 모델의 견고성을 향상시키는 유망한 방법임을 시사한다.
