당뇨병성 망막병증 탐지를 위한 딥 러닝의 다중 모달 데이터 융합: 체계적 검토

다중 모달 데이터 융합은 이질적 데이터 소스로부터 보완 정보를 통합하여 당뇨병성 망막병증(DR) 탐지의 정확성과 견고성을 향상시키는 유망한 접근 방식으로 부상했습니다. 본 리뷰는 모델 아키텍처, 모드 조합, 융합 전략 및 보고된 성능 결과에 초점을 맞춰 최근의 딥 러닝 기반 다중 모달 접근 방식을 체계적으로 검토합니다. 분석 결과, 합성곱 신경망(CNN)이 여전히 우세하지만, 이질적 입력을 처리하기 위해 하이브리드 아키텍처가 점점 더 많이 채택되고 있음을 보여줍니다. 광저맥관 영상과 OCT 또는 전자 건강 기록(EHR)과 같은 조합은 성능 향상과 자주 관련이 있지만, 결과는 데이터셋 특성과 실험 디자인에 크게 의존합니다. 연구 전반에 걸쳐 조기 및 공동 융합 전략이 일반적으로 적용되지만, 단일 접근 방식이 일관되게 다른 방법보다 우수하지는 않으며, 융합 설계의 맥락 종속 성격을 강조합니다. 전반적으로 본 리뷰는 주요 동향, 방법론적 공백 및 신흥 방향을 식별하여 강력하고 임상에 적용 가능한 다중 모달 DR 탐지 시스템 개발을 위한 명확한 기초를 제공합니다.