CNN 기반 당뇨병성 망막병증 특징 추출 및 심각도 등급 분류 (CNN based Diabetic Retinopathy Feature Extraction and Grade Classification)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 56권 / 11호 / 61 ~ 73페이지
· 저자명 : 정영훈, 조경진, 김대원

초록

비증식성 당뇨성 망막 병증은 당뇨병 환자의 대표적인 합병증으로서 시력저하와 실명을 일으키는 주요한 원인 중 하나로 알려져 있다. 당뇨성 망막 병증을 자동으로 탐지하는 연구는 지속적으로 이루어지고 있으나, 여기에 추가적으로 심각도의 등급을 자동으로 분류하는 시스템에 대한 연구의 필요성 또한 대두되고 있다. 본 논문에서는 당뇨성 망막 병증의 병리적 특징인 미세혈관류, 망막 출혈과 경성 삼출물을 검출하기 위해 Faster R-CNN 기술을 적용하여 해당 병리 증상에 대해 자동으로 검출하는 시스템을 제안하였다. 검출된 특징에 대해 히스토그램 평활화 등의 전처리 과정을 수행하였고, 이 데이터를 이용해 랜덤포레스트 분류기를 학습하고 테스트함으로써 병리증상의 특징을 기반으로 한 심각도 등급을 자동 분류하는 시스템을 고안하였다. 이를 통해 검사자의 주관적 해석 개입을 방지하고 객관적 자료와 지표를 이용하여 구체적으로 판단할 수 있도록 하고 의료 영상 분석 분야 업무의 효율성을 높일 수 있도록 하였다. 본 논문에서 제안하는 방법을 이용해 테스트 안저 영상 103장에 대하여 등급 별 분류 실험을 한 결과 98%의 정확도를 보이는 분류 시스템을 구현할 수 있었고, 이는 향 후 다수의 의미 있는 데이터가 수집된다면 더 높은 완성도를 보일 수 있을 것으로 예상된다.

영어초록

Non-proliferative diabetic retinopathy is a representative complication of diabetic patients and is known to be a major cause of impaired vision and blindness. There has been ongoing research on automatic detection of diabetic retinopathy; however, there is also a growing need for research on an automatic severity classification system. This study proposes an automatic detection system for pathological symptoms of diabetic retinopathy such as microaneurysm, retinal hemorrhage, and hard exudate by applying the Faster R-CNN technique. An automatic severity classification system based on the features of pathological symptoms of diabetic retinopathy was devised by training and testing a random forest classifier based on the data obtained through preprocessing, such as histogram smoothing of the detected features. The proposed system enables accurate judgment using objective data and indices while avoiding the subjective interpretation of testers and improving the efficiency of medical image analysis. An experiment of classifying 103 test fundus images with the proposed classification system showed 98% accuracy. The proposed automatic severity classification is expected to show a higher degree of accuracy if a greater amount of meaningful data can be collected in the future.

참고자료

· 없음