ISSN 2383-6318(Print) / ISSN 2383-6326(Online) KIISE Transactions on Computing Practices, Vol. 25, No. 3, pp. 198-202, 2019. 3 https://doi.org/10.5626/KTCP.2019.25.3.198 ․이 논문은 2019년도 정부(과학기술정보통신부)의 재원으로 한국연구재단-과학 문화전시서비스 역량강화지원사업의 지원을 받아 수행된 연구임(NRF-2018X 1A3A1069693) ․이 논문은 2018 한국컴퓨터종합학술대회에서 ‘3차원 세포 영상에서의 옵티컬 플로우를 이용한 지질방울 추적기법’의 제목으로 발표된 논문을 확장한 것임 논문접수 : 2018년 8월 28일 (Received 28 August 2018) 논문수정 : 2018년 11월 10일 (Revised 10 November 2018) 심사완료 : 2019년 1월 7일 (Accepted 7 January 2019) † †† 학생회원 종신회원 : : 한국과학기술원 전산학부 zinic@kaist.ac.kr 한국과학기술원 전산학부 교수(KAIST) jinahpark@kaist.ac.kr (Corresponding author임) CopyrightⒸ2019 한국정보과학회ː개인 목적이나 교육 목적인 경우, 이 저작물 의 전체 또는 일부에 대한 복사본 혹은 디지털 사본의 제작을 허가합니다. 이 때, 사본은 상업적 수단으로 사용할 수 없으며 첫 페이지에 본 문구와 출처를 반드시 명시해야 합니다. 이 외의 목적으로 복제, 배포, 출판, 전송 등 모든 유형의 사용행위 를 하는 경우에 대하여는 사전에 허가를 얻고 비용을 지불해야 합니다. 정보과학회 컴퓨팅의 실제 논문지 제25권 제3호(2019. 3) 3차원 세포 영상에서의 옵티컬 플로우를 이용한 지질방울 추적기법 (Lipid Droplet Tracking Method using Optical Flow in 3D Cell Image Data) 조지훈 † 박진아 †† (Jihoon Cho) (Jinah Park) 요 약  회절 단층촬영 기술은 살아있는 세포를 부가적인 처리없이 3차원 볼륨영상 데이터로 획득 하는 기술로 최근 다양한 성를 보였다. 획득한 세포 영상을 통해 다양한 분석이 가능하나 이를 위해 세 포소기 중 하나인 지질방울을 수동으로 라벨링하여 물체를 추적하는 등 이를 지원하는 기술이 부족한 상황이다. 본 논문에서는 옵티컬 플로우를 이용하여 3차원 세포 영상에 적용할 수 있는 자동화된 지질방 울 추적기법을 제안한다. 본 기법은 옵티컬 플로우로부터 지질방울의 움직임을 추정하며 이를 지질방울 위 치추정방법, 라벨링방법 등을 통해 처리하여 한번에 영상 내에 존재하는 모든 지질방울에 대한 별적인 추적을 가능하 한다. 또한 추적이 진행됨에 따라 누적되는 알리즘의 오차를 해하기 위해 이를 3가 지 방법으로 구현하 그 성능을 헬라세포와 간세포 영상에 대해 정성적, 정량적으로 비교함으로써 지질방 울의 위치를 매핑하여 추적하는 프레임별 추적방법이  회절 단층촬영영상에 알맞는 최적의 추적기법임 을 제시하였다. 키워드: 옵티컬 플로우, 세포 영상, 지질방울, 추적, 라벨링 Abstract Optical Diffraction Tomography is a technique used to acquire a three-dimensional volumetric image data set of living cells without additional treatment. While there has been various achievements made in the imaging technique, not yet much in those tools to support analysis based on the acquired image data. In this paper, we propose an automated lipid droplet tracking method which can be applied to 3D cell images using optical flow. The proposed method estimates the motion of lipid droplet from optical flow, and enables individual tracking of all lipid droplets present in the image at once through lipid droplet position estimation and labeling process. Additionally, we implemented the tracking method in three ways to resolve the accumulated errors from the algorithm as the tracking progresses. The performance was then compared their qualitatively and quantitatively using HeLa cell and hepatocyte cell image data. As a result, we found that per-frame tracking method, which traces with mapping lipid droplet positions, was the optimal tracking method suitable for optical diffraction tomography images. Keywords: optical flow, cell image, lipid droplet, tracking, labeling