다양한 질병 탐지에 대한 망막 영상 기반의 이질적 딥 러닝 모델 앙상블 기반 접근법

예방 가능하거나 진단되지 않은 시각 장애 및 실명은 전 세계 수십억 명의 사람에게 영향을 미친다. 자동화된 다질환 탐지 모델은 진단 시 임상적 의사결정 지원을 통해 이 문제를 해결할 수 있는 큰 잠재력을 지닌다. 본 연구에서는 다양한 비정형 심층 합성곱 신경망(Deep Convolutional Neural Network, DCNN) 모델의 예측 능력을 통합하는 앙상블 학습을 활용한 망막 영상용 혁신적인 다질환 탐지 파이프라인을 제안한다. 제안된 파이프라인은 전이 학습(transfer learning), 클래스 가중치(class weighting), 실시간 이미지 증강(real-time image augmentation), 그리고 포칼 손실(Focal loss) 활용과 같은 최신 전략을 포함하고 있다. 또한, 비동질적 심층 학습 모델, 5겹 교차 검증을 통한 배깅(bagging), 스태킹된 로지스틱 회귀 모델(stacked logistic regression models) 등 다양한 앙상블 학습 기법을 통합하였다. 내부 및 외부 평가를 통해 본 파이프라인의 높은 정확도와 신뢰성을 검증하였으며, 망막 질환 예측 분야에서 다른 최첨단 파이프라인들과의 비교 가능성도 입증하였다.