초록
망막 질환의 조기 탐지는 환자에게 부분적 또는 영구적 실명을 예방하는 데 있어 가장 중요한 수단 중 하나이다. 본 연구에서는 다양한 출처에서 수집한 안저 이미지를 활용하여 다수의 망막 질환을 탐지하기 위한 새로운 다중 레이블 분류 시스템을 제안한다. 먼저, 안저 질환 분류를 위한 다수의 공개 데이터셋을 기반으로 새로운 다중 레이블 망막 질환 데이터셋인 MuReD 데이터셋을 구축한다. 다음으로, 데이터셋에 포함된 이미지 데이터의 품질과 질환 범위를 보장하기 위해 일련의 후처리 절차를 적용한다. 안저 이미지의 다중 레이블 질환 분류 분야에서 본 연구는 처음으로 광범위한 실험을 통해 최적화된 트랜스포머 기반 모델을 이미지 분석 및 의사결정에 활용한다. 제안된 시스템의 구성 파라미터를 최적화하기 위해 다수의 실험이 수행되었으며, 그 결과 동일한 작업에 대해 기존 최고 성능 모델 대비 질환 탐지 및 질환 분류의 AUC 점수에서 각각 7.9%, 8.1% 향상된 성능을 보였다. 이러한 결과는 트랜스포머 기반 아키텍처가 의료 영상 분야에서 가질 수 있는 잠재적 응용 가능성을 더욱 뒷받침한다.