본 논문은 신장세포암(RCC)의 전체 슬라이드 이미지(WSI)에서 관심 영역(ROI)을 자동으로 감지하는 시스템을 개발했습니다. 이 시스템은 지배적인 회전된 국부 이진 패턴(DRLBP)이라는 효율적인 질감 기술자와 색상 변환을 기반으로 하며, 현미경적 고배율 수준에서 방대한 질감 변화를 드러내고 활용합니다. DRLBP는 구조 정보를 유지하고 국부 이웃의 크기 값을 사용하여 더욱 차별적인 능력을 제공합니다. 관련 ROI의 분류를 위해 WSI 패치의 특징 추출을 각 색상 채널에서 개별적으로 수행하여 히스토그램을 형성했습니다. 가장 자주 발생하는 패턴을 특징 선택 단계로 사용하여 정보가 없는 특징을 버렸습니다. 12개의 전체 슬라이드 이미지에서 유래한 1800개의 신장암 패치 세트에 대해 다양한 분류기의 성능을 비교 및 평가했습니다. 또한, 이미지 데이터 세트의 크기가 작기 때문에 전이 학습 기반의 심층 학습 방식을 사용하여 심층 특징과 미세 조정 방법을 통해 이미지 패치 분류를 조사했습니다. 높은 인식 정확도를 얻었으며 분류기는 효율적이었고, SVM을 사용하여 달성한 최고 정밀도는 99.17%였습니다. 또한, 전이 학습 모델은 비슷한 성능으로 잘 수행되었고, ResNet-50을 사용한 최고 정밀도는 98.50%에 달했습니다. 제안된 접근 방식의 결과는 매우 효율적인 이미지 분류를 보여주었고 ROI를 식별하는 데 효과적임을 입증했습니다. 본 연구는 전체 슬라이드 조직병리 이미지에서 신장암 진단과 관련된 관심 영역을 자동으로 감지하는 시스템을 제시합니다.
