당뇨병성 망막증 예후를 위해 스킵 연결 기법을 사용하는 3중 심층 네트워크를 이용한 바이모달 학습

국문 초록 (Abstract)

당뇨병성 망막증(Diabetic Retinopathy, DR)은 시력 장애와 실명의 주요한 원인으로, 질병의 단계를 정확하게 평가할 수 있다면 안과 방문 일정과 후속 치료 계획을 효과적으로 수립하여 안과검진과 치료에 있어 비용 절약이 가능하다. 기존 연구들은 전자 의무 기록(Electronic Medical Records, EMR)의 속성 값만을 참조하여 전통적인 기계학습 방법을 사용해 DR 평가를 위한 인자를 획득하며, 이러한 방법은 DR에 중요한 영향을 끼치는 위험 인자를 식별하는데 있어 많은 노력이 필요하다. 이를 줄이고자 본고에서는 안저 사진을 이용하여 DR 위험 진행 상태를 식별하는 심층 바이모달 학습 기반의 Tri-SDN (Trilogy of Skip-connection Deep Networks)를 제안한다. Tri-SDN은 안저 사진과 EMR 속성의 기준 및 경과 데이터 간의 관계를 철저하게 파악할 수 있다. 본 연구에서는 96명의 당뇨병 환자를 대상으로 실험을 진행한 결과 기존의 방법보다 노력과 시간이 감소하면서도 탐지 능력은 향상되어 정확도 90.6%, 민감도 96.5%, 정밀도 88.7%, 특이도 82.1%, 그리고 수신자 조작 특성 아래 영역(Area Under Receiver Operating Characteristics, AUROC)에서 88.8%를 나타내었다.

목차 (Table of Contents)

• 요약
• Ⅰ. 서론
• Ⅱ. 방법론
• Ⅲ. 실험 결과
• Ⅳ. 결론
• 참고문헌