Optic-Net: 광단층촬영 영상으로부터 망막 질환 진단을 위한 새로운 합성곱 신경망

광학 코히런스 단층 촬영(Spectral Domain Optical Coherence Tomography, SD-OCT) 이미지를 통해 다양한 망막 질환을 진단하는 것은 어려운 작업입니다. 이미지 처리, 기계 학습, 딥 러닝 알고리즘 등 다양한 자동화된 접근 방식이 망막 질환의 조기 검출 및 진단에 사용되어 왔습니다. 그러나 이러한 방법들은 오류와 계산 효율성 부족으로 인해 인간 전문가의 추가 개입이 필요합니다. 본 논문에서는 망막 층의 다양한 퇴행성 변화와 그 원인을 성공적으로 구분할 수 있는 새로운 컨볼루션 신경망 아키텍처를 제안합니다. 제안된 새로운 아키텍처는 경사 폭발(gradient explosion) 문제를 해결하면서 다른 분류 모델들보다 우수한 성능을 보입니다. 우리의 접근 방식은 두 개의 별도로 제공되는 망막 SD-OCT 데이터셋에서 각각 99.8%와 100%의 거의 완벽한 정확도를 달성하였습니다. 또한, 우리의 아키텍처는 실시간으로 망막 질환을 예측하며 인간 진단자들보다 우수한 성능을 보입니다.