혈액 도말 이미지에서 적혈구를 정확하게 분할하는 것은 중요한 기술이자 어려운 문제로, 주로 적혈구가 자주 겹치고 뚜렷한 경계가 없기 때문입니다. 이 문제를 해결하기 위해 본 논문에서는 U-Net++와 신경 상미분방정식(Neural Ordinary Differential Equations, NODE)에 기반한 심층 학습 네트워크 NODE-UNet++를 사용하여 적혈구의 초기 분할을 수행하고, 이후 마커 워터셰드 알고리즘을 활용하여 혈액 도말 이미지에서 붙어 있는 적혈구를 분할합니다. 먼저 이미지 자르기 및 주석 작업을 통해 분할할 영역을 강조하고; 그 다음 새로운 의미 분할 구조인 NODE-UNet++를 전처리된 이미지에 적용하여 초기 분할로 확률 그레이스케일 이미지를 얻습니다; 마지막으로 마커 워터셰드 알고리즘을 사용해 그레이스케일 이미지 내에서 붙어 있는 적혈구를 분리하여 최종 적혈구 분할 결과 이미지를 얻습니다. 실험 결과 Dice 계수는 96.89%, 평균 픽셀 정확도는 98.97%, 평균 교집합-합집합 비율(IoU)은 96.33%에 달했습니다. 다양한 혈액 도말 이미지의 분할 결과는 이 방법이 각각의 적혈구를 효율적이고 정확하게 추출할 수 있어 후속 적혈구 이미지 처리 요구를 충족함을 보여줍니다.

이미지 분할;적혈구;신경 상미분방정식;마커 워터셰드 알고리즘