Lesson 18 of 20

전체슬라이드 스캔 — 유리에서 픽셀로

SI 「virtual slide images ... using Aperio® AT2 virtual slide scanner」

지금까지는 사람이 현미경을 들여다봤습니다. 그런데 논문은 슬라이드를 통째로 스캔해 전체슬라이드 이미지(WSI) 로 만들었습니다.

We generated the virtual slide images of the sections using Aperio® AT2
virtual slide scanner (Leica, Wetzler, Germany).

왜 그랬을까요? 세 가지 이유가 있습니다.

🤖

기계가 센다

딥러닝이 모든 칸을 판정한다 (19강)

📐

전부 본다

사람은 몇 시야만 본다 — 고르는 순간 편향

🔁

다시 본다

남이 같은 슬라이드를 다시 셀 수 있다

둘째가 특히 중요합니다. 현미경으로 "대표적인 시야" 를 고르는 순간, 고르는 사람의 눈이 결과에 들어갑니다. 전부 스캔하면 고를 일이 없어요.

High school유리에서 픽셀로

전체슬라이드 스캐너는 유리 슬라이드 전체를 고해상도 디지털 이미지로 만듭니다.

	현미경	전체슬라이드 스캔
보는 범위	한 시야씩	슬라이드 전체
기록	사진 몇 장	전부
공유	슬라이드를 우편으로	파일로
정량	수동	자동 가능

디지털화가 19강의 자동 정량을 가능하게 합니다.

High school어떻게 스캔하나

단계	내용
1	저배율로 조직 위치를 찾음
2	초점면을 여러 지점에서 잡음
3	고배율로 줄무늬처럼 훑음
4	조각들을 이어 붙임 (stitching)
5	피라미드 구조로 저장 — 확대 수준별로

파일 하나가 수 GB가 됩니다 — 그래서 확대 수준별로 나눠 저장합니다.

림프구가 뭉쳐 있을수록 '대표 시야' 고르기가 위험해집니다.

Python Runs in your browser

# 사람이 '대표 시야' 를 고르면 값이 얼마나 흔들리나
import numpy as np
rng = np.random.default_rng(12)

# 조직 전체를 40x40 격자로. 림프구가 한쪽에 몰려 있다고 하자
격자 = np.zeros((40, 40))
yy, xx = np.mgrid[0:40, 0:40]
격자 = np.exp(-(((xx - 11) ** 2 + (yy - 13) ** 2) / 130))     # 왼쪽 위에 뭉침
til = (rng.random((40, 40)) < 격자 * 0.75).astype(int)

전체 = til.mean()
print(f"슬라이드 전체 침윤률   {전체:.2%}   ← 스캔하면 이 값이 나온다")
print()

print("사람이 5x5 시야 하나만 골랐다면:")
rng2 = np.random.default_rng(5)
값 = []
for _ in range(8):
    y, x = rng2.integers(0, 35, 2)
    v = til[y:y+5, x:x+5].mean()
    값.append(v)
    print(f"  ({y:2d},{x:2d}) 자리 → {v:6.2%}")

print()
print(f"고른 자리에 따라 {min(값):.2%} ~ {max(값):.2%}")
print(f"전체 값 {전체:.2%} 과 견주면 최대 {max(값)/전체:.1f}배 차이")

High school스캔 품질이 결과를 정한다

문제	결과
초점이 안 맞음	세포를 못 셈 — 19강의 자동 분석 실패
이어 붙인 자국	인공적 경계선
색 재현이 다름	스캐너·배치마다 색이 다름
먼지·기포	가짜 구조

색이 다르면 자동 분석 결과가 달라집니다 — 색 정규화가 필요합니다.

High school디지털 병리가 여는 것

가능해지는 것	내용
자동 정량	19강 — 사람이 못 셀 규모
원격 판독	전문가가 멀리 있어도
재현성	같은 이미지를 여러 번
기계학습	패턴 인식 · 예후 예측
영구 보존	슬라이드는 색이 바램

사람이 슬라이드 한 장을 다 훑으려면 몇 시간이 걸립니다 — 자동화의 이유입니다.

🤔 Check yourself

전체슬라이드를 스캔하는 것이 현미경으로 몇 시야만 보는 것보다 나은 가장 큰 이유는?