이 연구는 당뇨병성 망막병증(DR)의 탐지와 단계 등급화를 위한 딥러닝 기반 접근법을 제안합니다. 주요 내용은 다음과 같습니다:
데이터셋: APTOS 2019 데이터셋을 주요 데이터로 사용하고, Messidor-2와 IDRiD 데이터셋의 일부 범주를 선별적으로 병합하여 학습 데이터를 구축했습니다. 이를 통해 데이터의 다양성과 균형을 향상시켰습니다.
모델 구조: 두 개의 사전 학습된 모델(ResNet50, EfficientNetB0)을 특징 추출기로 사용하는 이중 분기 모델을 제안했습니다. 이를 통해 다양한 수준의 특징을 효과적으로 학습할 수 있었습니다.
성능 평가: 이진 분류에서 98.50%의 정확도, 99.46%의 민감도, 97.51%의 특이도를 달성했습니다. 다중 클래스 분류에서는 93.00%의 가중 카파 계수, 89.60%의 정확도, 89.60%의 민감도, 97.72%의 특이도를 달성했습니다. 이는 기존 연구 대비 우수한 성능입니다.
한계점: 중증 및 증식성 DR 단계 구분에서 일부 오분류가 발생했는데, 이는 이 단계의 특징이 유사하여 구분이 어려웠기 때문입니다. 향후 OCT 영상 등 추가 정보를 활용하거나 더 많은 데이터를 확보하여 이 문제를 해결할 수 있을 것으로 기대됩니다.
전반적으로 제안된 모델은 당뇨병성 망막병증의 조기 탐지와 단계 등급화에 효과적이며, 임상 의사 결정 및 환자 관리 향상에 기여할 수 있을 것으로 기대됩니다.
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問