딥러닝을 활용한 안진 검사 영상에서의 동공 움직임 분석 알고리즘 (An Algorithm for Analysis of Pupil Motion in Nystagmography Videos Using Deep Learning)

서지정보

· 발행기관 : 차세대컨버전스정보서비스학회
· 수록지 정보 : 차세대컨버전스정보서비스기술논문지 / 11권 / 5호 / 477 ~ 486페이지
· 저자명 : 이기표, 권처영, 조성호, 이주영, 한규철, 김영재, 김광기

초록

본 연구에서는 동공 검출 및 동공 움직임 분석을 위하여 딥러닝 기술을 활용한 동공 움직임 분석 알고리즘을 제안한다. 동공 움직임 분석 알고리즘은 딥러닝 기반의 동공 검출과 검출된 동공 결과를 활용하여 동공의 중심좌표를 계산하고 이를 시계열 데이터화하고 그래프 화하는 과정으로 구성된다. 동공 검출을 위하여 U-Net을 기반으로 한 동공 영역 분할 학습모델을 개발하였으며, 770장의 테스트 데이터를 사용하여 모델의 성능을 검증하여 97.7%의 민감도와 98.3%의 다이스 유사계수를 나타냈다. 알고리즘 성능 분석을 위하여 Ground Truth 데이터와 딥러닝 학습모델의 동공 분할 데이터를 알고리즘에 적용하여 추출한 중심좌표를 분석한 결과, 총 3명의 환자에 대한 전체 평균 성능은 1.19, 0.59, 0.78의 MAE와 1.69, 1.05, 1.19의 RMSE를 보여 높은 알고리즘 성능을 보였다. 또한 동공 중심의 움직임을 분석하기 위하여 이를 그래프로 시각화하여 나타냈다. 다양한 환경의 촬영 데이터 수집과 추가학습을 통한 학습모델의 성능 고도화를 통해 분석 알고리즘의 성능을 향상시켜 환자와 임상의에게 도움을 줄 수 있다.

영어초록

In this paper, we propose a pupil motion analysis algorithm using deep learning technology for pupil detection and pupil motion analysis. The pupil motion analysis algorithm consists of deep learning-based pupil detection and the process of calculating the center coordinates of the pupil using the detected pupil results, genrating time series data, and graphing them. For pupil detection, a pupil region division learning model based on U-Net was developed, and the performance of the model was verified using 770 test data, showing 97.7% sensitivity and 98.3% dice similarity coefficient. As a result of analyzing the central coordinates extracted by applying Ground Truth data and pupil segmentation data from deep learning training models to the algorithm, the overall average performance for a total of three patients showed a high algorithm performance of 1.19, 0.59, and 0.78 MAE and 1.69, 1.05, 1.19. In addition, the results were visualized and shown as a graph in order to analyze the movement of the pupil. It is possible to help patients and clinicians by improving the performance of the analysis algorithm through the collection of filming data in various environments and upgrading the performance of the learning model through additional learning.

참고자료

· 없음