Core Concepts
OCTA 데이터의 장기 꼬리 분포 문제를 해결하기 위해 공동 감독 기반의 Vision Transformer 모델 JointViT를 제안하여 산소 포화도 수준을 효과적으로 예측할 수 있다.
Abstract
이 연구는 OCTA 데이터를 활용하여 산소 포화도 수준을 예측하는 방법을 제안합니다.
OCTA 데이터는 수면 관련 질환 환자들로부터 수집되어 장기 꼬리 분포를 가지고 있어 예측이 어려운 문제가 있습니다.
이를 해결하기 위해 연구진은 Vision Transformer 기반의 JointViT 모델을 제안했습니다. JointViT는 산소 포화도 범주와 정확한 값을 모두 활용하는 공동 손실 함수를 사용하여 학습됩니다.
또한 데이터 증강 기법인 균형 증강을 도입하여 장기 꼬리 분포 문제를 완화했습니다.
실험 결과, JointViT는 기존 방법들에 비해 12.28%까지 정확도가 향상되었으며, 특히 소수 클래스에 대한 민감도가 크게 개선되었습니다.
이를 통해 OCTA 데이터를 활용한 수면 관련 질환 진단의 기반을 마련할 수 있을 것으로 기대됩니다.
Stats
OCTA 데이터에서 산소 포화도가 낮은 환자들이 많아 평균 산소 포화도가 정상인에 비해 낮은 분포를 보입니다.
Prog-OCTA 데이터셋의 산소 포화도 클래스 분포는 심각한 장기 꼬리 분포를 보이며, 경계성 저산소 클래스가 압도적으로 많습니다.
Quotes
"OCTA 스캔은 몇 초 내에 비침습적으로 획득될 수 있으며 조영제 없이 망막과 맥락막의 혈류를 시각화할 수 있습니다."
"OCTA 데이터는 수면 관련 장애 뿐만 아니라 다양한 전신 질환을 선별하는 데 활용될 수 있습니다."