심층 합성곱 신경망 기반의 녹내장 탐지

녹내장은 만성적이고 되돌릴 수 없는 눈 질환으로, 시력과 삶의 질이 저하됩니다. 본 논문에서는 자동화된 녹내장 진단을 위한 합성곱 신경망을 사용한 심층 학습(DL) 아키텍처를 개발합니다. 합성곱 신경망(CNN)과 같은 심층 학습 시스템은 이미지를 계층적으로 표현하여 진단 결정을 위한 녹내장과 비녹내장 패턴을 구분할 수 있습니다. 제안된 DL 아키텍처는 네 개의 합성곱 층과 두 개의 완전 연결 층을 포함하여 총 여섯 개의 학습된 층으로 구성됩니다. 드롭아웃 및 데이터 증강 전략을 채택하여 녹내장 진단의 성능을 더욱 향상시킵니다. ORIGA 및 SCES 데이터세트를 사용하여 광범위한 실험을 수행하였습니다. 결과는 두 데이터베이스에서 녹내장 탐지의 수신자 조작 특성 곡선(ROC 곡선) 아래 영역(AUC)이 각각 0.831 및 0.887로, 최신 알고리즘보다 훨씬 우수함을 보여줍니다. 이 방법은 녹내장 탐지에 사용할 수 있습니다.