심층 학습 기반의 안질환 탐지를 위한 망막 이미지 분류

당뇨병성 망막병증(DR), 녹내장(GLC), 노인성 황반변성(AMD)과 같은 안질환을 진단하기 위한 다양한 기술이 심층 학습 알고리즘을 통해 가능하다. 최근 몇 가지 연구는 주요 질병 몇 가지를 조사하고 이를 건강한 피험자 데이터와 비교하였다. 그러나 현재까지 컴퓨터 보조 시스템을 통해 DR, GLC 및 AMD와 같은 여러 주요 안질환을 동시에 탐지할 수는 없었다. 망막 이미지 분류의 네 가지 범주 외에는 건강한 그룹과 안질환 그룹 간의 고성능 결과 연구만 있었을 뿐이다. 망막 사진의 다범주 분류에 대한 더 나은 이해를 위해, 우리는 최적의 잔여 심층 신경망과 관심 영역 축소, 등조 평면 대비 한계적 적응 히스토그램 평활화 및 데이터 증강과 같은 효과적인 이미지 전처리 기술을 사용하였다. 현재 이용 가능한 공개 데이터셋에서 세 가지 안질환의 분류에 이러한 기법을 적용한 결과, 각각 91.16% 및 85.79%의 최고 및 평균 정확도를 달성하였다. 건강한 환자, GLC, AMD 및 DR 환자의 이미지에 대한 특이도는 각각 90.06%, 99.63%, 99.82% 및 91.90%였다. 더 나은 특이도 성능은 조기 안질환 단계에서 환자를 경고하여 시력 손실을 예방할 수 있다. 본 연구는 세 가지 가장 흔한 안질환에 대한 분류의 성공적인 파일럿 연구로 간주될 수 있는 다범주 심층 신경망 기법의 발생 가능성을 제시하며, 향후 컴퓨터 보조 임상 응용 프로그램에서 보조 장치로 사용될 수 있다.