지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 발행연도
- 2021
- 저작권
- 강릉원주대학교 논문은 저작권에 의해 보호받습니다.
이용수7
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
현존하는 다양한 검안방법 중 안저검사는 가장 중심적인 역할을 수행해왔다. 최근, 안저검사 분야가 인공지능과 디지털 광학사진기술의 도움으로 재조명받고 있다. 스마트폰에 부착하는 검안용 소형렌즈를 통해 안저사진을 촬영하고 인공지능으로 질환유무를 자동판독할 수 있기에 이르렀다.
딥러닝을 활용한 안저사진 분석의 초기 연구 주제는 당뇨성 망막병증, 녹내장 등 소수의 제한된 안질환을 판별하는 것이었다. 하지만 최근 단순 안질환에서 더 나아가 고혈압, 당뇨, 심혈관 질환 등 일반 만성질환 관련 정보와 나이, 성별, 흡연여부 등의 생체정보까지 자동예측하는 연구가 다수 진행되며 헬스케어 모니터링 도구로서의 가능성도 점쳐지고 있다. 이러한 인공지능 안저사진 자동판독은 안과 전문의가 부족하고 의료 인프라 수준 및 서비스 접근성이 현저히 낮은 지역의 대상자들에게 우선적으로 제공될 수 있다.
안저사진 자동판별의 온전한 구현을 위해서는 전문가에 의한 주석(annotation) 처리된 양질의 안저사진 데이터가 필요하며, 사진을 촬영하는 장비나 검안대상자의 인종 등 이미지의 도메인에 따라 판별성능이 크게 영향을 받는 의료영상 분야의 고질적 문제를 해결해야 한다. 다만 의료영상의 생산과 관리는 전문가의 주석 작업, 비식별화 작업, 유통상 보안유지 등의 비용이 들며, 도메인 변화로 성능이 감소할 시 상대적 비용은 더욱 증가하게 된다.
이에 본 연구는 전이학습(transfer learning) 기법을 적용해 대상자군의 도메인을 대표하는 최소한의 안저사진 데이터로 직접 모델을 최적화하고, 높은 정확도로 안질환을 자동판별하는 방법을 제안하였다. 구현한 인공지능 모델과 원본 및 증강된 총 1616장의 안저사진 데이터를 활용해 한 시간 내외의 속도로 학습과 검증을 마쳤으며, 최고 97.3%의 정확도를 기록하였다. 본 연구 과정을 통해 안저사진의 자동판별 서비스 구축 및 제공에 있어 데이터 확보와 도메인 변화의 어려움에 대응할 수 있는 맞춤형 문제해결 방안을 제시하였다.
딥러닝을 활용한 안저사진 분석의 초기 연구 주제는 당뇨성 망막병증, 녹내장 등 소수의 제한된 안질환을 판별하는 것이었다. 하지만 최근 단순 안질환에서 더 나아가 고혈압, 당뇨, 심혈관 질환 등 일반 만성질환 관련 정보와 나이, 성별, 흡연여부 등의 생체정보까지 자동예측하는 연구가 다수 진행되며 헬스케어 모니터링 도구로서의 가능성도 점쳐지고 있다. 이러한 인공지능 안저사진 자동판독은 안과 전문의가 부족하고 의료 인프라 수준 및 서비스 접근성이 현저히 낮은 지역의 대상자들에게 우선적으로 제공될 수 있다.
안저사진 자동판별의 온전한 구현을 위해서는 전문가에 의한 주석(annotation) 처리된 양질의 안저사진 데이터가 필요하며, 사진을 촬영하는 장비나 검안대상자의 인종 등 이미지의 도메인에 따라 판별성능이 크게 영향을 받는 의료영상 분야의 고질적 문제를 해결해야 한다. 다만 의료영상의 생산과 관리는 전문가의 주석 작업, 비식별화 작업, 유통상 보안유지 등의 비용이 들며, 도메인 변화로 성능이 감소할 시 상대적 비용은 더욱 증가하게 된다.
이에 본 연구는 전이학습(transfer learning) 기법을 적용해 대상자군의 도메인을 대표하는 최소한의 안저사진 데이터로 직접 모델을 최적화하고, 높은 정확도로 안질환을 자동판별하는 방법을 제안하였다. 구현한 인공지능 모델과 원본 및 증강된 총 1616장의 안저사진 데이터를 활용해 한 시간 내외의 속도로 학습과 검증을 마쳤으며, 최고 97.3%의 정확도를 기록하였다. 본 연구 과정을 통해 안저사진의 자동판별 서비스 구축 및 제공에 있어 데이터 확보와 도메인 변화의 어려움에 대응할 수 있는 맞춤형 문제해결 방안을 제시하였다.
목차
Ⅰ. Introduction 1Ⅱ. Related Work 42.1. Technology-driven Progress in Ophthalmoscopy 42.2. Convolutional Neural Network 92.3. Transfer Learning 13Ⅲ. Experiment of Automated Fundus Photograph Discrimination 17Ⅳ. Discussion 25Ⅴ. Conclusion 28Reference 29
최근 본 자료
댓글(0)
0