Core Concepts
종단적 자기지도학습 기법을 활용하여 당뇨병성 망막병증의 초기 단계 변화를 효과적으로 감지할 수 있다.
Abstract
본 연구는 당뇨병성 망막병증(DR)의 조기 단계 변화를 감지하기 위해 종단적 자기지도학습(LSSL) 기법을 활용하였다.
기존 연구들은 DR 진단에 있어 종단적 정보를 활용하지 않았지만, 본 연구에서는 LSSL 기법을 통해 DR 진행 과정을 효과적으로 모델링할 수 있음을 보였다.
3가지 LSSL 방법(Longitudinal Siamese, LSSL, LNE)을 비교 분석하였으며, 그 결과 LSSL 기법이 가장 우수한 성능을 보였다.
실험 결과, LSSL 기반 모델은 기존 모델 대비 AUC 성능이 약 10% 향상되었으며, 통계적으로 유의미한 차이를 보였다(p-value < 2.2e-16).
또한 LSSL 기법은 당뇨 유형 및 DR 진행 단계에 따른 특징을 잘 포착하는 것으로 나타났다.
이를 통해 LSSL 기법이 DR의 조기 단계 변화 감지에 효과적으로 활용될 수 있음을 확인하였다.
Stats
당뇨 유형에 따른 ∆z 벡터 노름의 평균값 차이는 통계적으로 유의미하다(t-test p-value < 0.01).
정상/경증 NPDR에서 중증 DR로의 변화에 따른 ∆z 벡터 노름의 평균값 차이 또한 통계적으로 유의미하다(t-test p-value < 0.01).
Quotes
"Longitudinal imaging is able to capture both static anatomical structures and dynamic changes in disease progression towards earlier and better patient-specific pathology management."
"Early identification and adequate treatment, particularly in the mild to moderate stage of NPDR, may slow the progression of DR, consequently preventing the establishment of diabetes-related visual impairments and blindness."