본 연구는 현미경 영상과 딥러닝 기반의 비표지 검출 신규 방법을 개발하였다. 비소세포폐암 A549 세포주를 대상으로 명시야 영상과 이에 대응하는 세포 활력 표지 데이터셋을 구축하였다. UNet++의 세부 복원 능력과 DeepLabV3+의 컨텍스트 모델링 능력을 결합하고 공간 및 채널 압축-활성화, 확장 공간 피라미드 풀링 모듈을 도입하여 세부 및 전역 컨텍스트 특성 추출을 강화하는 이중 분기 다중 스케일 특징 융합 네트워크 Enhanced-UNet을 설계하였다. 결과는 본 연구에서 구축한 데이터셋에서 평균 교집합비(mIoU) 0.7623, 평균 Dice 계수(mDice) 0.8556, 예측 상관계수 r=0.912를 달성하여 UNet, SegNet, FCN, PSPNet, LinkNet 등 5종 주류 모델보다 우수함을 보여주었다. 본 방법은 화학 시약을 사용하지 않아 세포 상태에 미치는 영향을 피하며 A549 세포의 생존 상태를 연속적으로 동적으로 모니터링할 수 있어 비표지 폐암 세포 활력 검출 기술 개발에 유용한 참고자료를 제공한다.

세포 활력 검출;광학 현미경;폐암 세포;딥러닝