녹내장 환자의 미래 시야 예측을 위한 다중 모달 심층 학습 모델

녹내장은 전 세계적으로 가장 흔한 실명 원인 중 하나로, 특히 노인에서 많이 발생합니다. 녹내장은 시야(VF) 검사를 통해 모니터링할 수 있습니다. 따라서 녹내장의 진행 상황을 모니터링하기 위해 미래의 VF를 예측하는 것이 중요합니다. 본 논문에서는 이전 VF와 광학 단층 촬영(OCT) 이미지(두께 맵, 수직 단층 사진, 수평 단층 사진 포함)를 기반으로 미래 VF를 예측하기 위한 심층 학습 모델을 제안하였습니다. 이미지 데이터는 ResNet-50 모델을 사용하여 분석되었습니다. 이미지 특징과 이전 VF가 결합되었고, 장기 단기 기억(LSTM) 네트워크를 사용하여 미래 VF를 예측하였습니다. 잡음 데이터 탐지를 위해 가중치 방법이 사용되었습니다. 가중 손실을 적용할 때 제안된 방법의 성능이 향상되었습니다. 평균 절대 오차(MAE)는 3.31 ± 1.37, 루트 평균 제곱 오차(RMSE)는 4.58 ± 1.77이었습니다. 모델은 VF 데이터와 OCT 이미지 데이터를 결합할 때 높은 성능을 보였습니다. 또한 모델은 잡음 데이터를 탐지하고 재가중하는 데 유용했습니다.