要約
網膜疾患の早期発見は、患者の部分的または恒久的な失明を防ぐ上で最も重要な手段の一つである。本研究では、複数の情報源から収集された眼底画像を用いて、複数の網膜疾患を検出するための新しい多ラベル分類システムを提案する。まず、眼底疾患分類に用いられる多数の公開データセットを統合し、新たな多ラベル網膜疾患データセット「MuReDデータセット」を構築した。次に、データセットに含まれる画像データの品質および疾患の多様性を確保するため、一連の後処理手順を適用した。本研究では、眼底画像の多ラベル疾患分類において、広範な実験を経て最適化されたトランスフォーマー基盤のモデルを画像解析および意思決定に初めて採用した。提案システムの構成を最適化するため、多数の実験が実施された結果、疾患検出および疾患分類の両面において、従来の最先端手法と比較してAUCスコアでそれぞれ7.9%および8.1%の性能向上が確認された。これらの結果は、トランスフォーマー基盤のアーキテクチャが医療画像分野における潜在的な応用可能性をさらに裏付けている。