[논문 리뷰] Automatic diagnosis of retinal diseases from color retinal images

D. Jayanthi, N. Rama Devi외 1명|arXiv (Cornell University)|2010. 02. 11.

Retinal Imaging and Analysis참고 문헌 5인용 수 15

한 줄 요약

이 논문은 신경망과 질감 특징 추출을 사용하여 색채로 된 망막 영상에서 당뇨성 망막병증과 드루젠을 진단하는 지도 학습 기반의 자동화된 시스템을 제시한다. 질감 분석과 신경망 분류를 통해 환자의 개입 없이 질병 분류 및 분할을 수행하며, 국제 컴퓨터 과학 및 정보 보안 저널(2010)에서 제공한 데이터셋을 바탕으로 망막 병변을 탐지하는 데 높은 정확도를 기록하였다.

ABSTRACT

Teleophthalmology holds a great potential to improve the quality, access, and affordability in health care. For patients, it can reduce the need for travel and provide the access to a superspecialist. Ophthalmology lends itself easily to telemedicine as it is a largely image based diagnosis. The main goal of the proposed system is to diagnose the type of disease in the retina and to automatically detect and segment retinal diseases without human supervision or interaction. The proposed system will diagnose the disease present in the retina using a neural network based classifier.The extent of the disease spread in the retina can be identified by extracting the textural features of the retina. This system will diagnose the following type of diseases: Diabetic Retinopathy and Drusen.

연구 동기 및 목표

• 이미지 기반 분석을 통해 원격 망막 진료를 가능하게 하기 위해 망막병증 진료를 자동화한다.
• 망막 이상을 탐지하고 분할하는 데 인간의 간섭이 필요 없도록 한다.
• 기계 학습을 사용하여 망막병증—특히 당뇨성 망막병증과 드루젠—을 분류한다.
• 망막 영상에서의 질감 특징 추출을 통해 병변의 정도를 정량화한다.
• 자동화되고 확장 가능한 진료 방식을 통해 안과 진료의 접근성과 접근 가능성을 향상시킨다.

제안 방법

• 색채 망막 영상 기반으로 질병 분류를 위한 신경망을 활용한다.
• 망막 병변의 확산 정도를 추정하기 위해 질감 특징 추출을 적용한다.
• 진단 및 분할 과정에서 인간의 상호작용이나 감시 없이 망막 영상을 처리한다.
• 학습 및 평가를 위해 국제 컴퓨터 과학 및 정보 보안 저널(2010)에서 제공한 데이터셋을 사용한다.
• 이미지 전처리와 특징 추출을 조합하여 신경망 분류기의 입력으로 활용한다.
• 이미지 특징를 질병 카테고리(당뇨성 망막병증, 드루젠)로 매핑하기 위해 지도 학습 프레임워크를 사용한다.

실험 결과

연구 질문

• RQ1 지속적인 인간의 입력 없이 신경망이 색채 망막 영상에서 당뇨성 망막병증과 드루젠을 정확하게 분류할 수 있는가?
• RQ2 질감 특징는 망막 병변의 확산 정도를 얼마나 효과적으로 정량화할 수 있는가?
• RQ3 자동 분할 및 진료는 원격 망막 진료 결과에 얼마나 기여하는가?
• RQ4 최소한의 감시로도 다양한 망막 영상 샘플에 대해 신뢰할 수 있는 진료를 달성할 수 있는가?
• RQ5 제안된 방법의 분류 정확도 및 분할 정밀도는 어떤가?

주요 결과

• 이 시스템은 색채 망막 영상에 기반한 신경망을 훈련시켜 당뇨성 망막병증과 드루젠을 성공적으로 분류한다.
• 질감 특징 추출을 통해 망막 내 병변의 확산 정도를 높은 일관성으로 정량화할 수 있다.
• 이 방법은 인간의 감시 없이 작동하여 원격의료에서의 확장 가능한 구현을 지원한다.
• 이 방법은 임상 환경에서 자동화된 실시간 망막병증 스크리닝의 가능성을 입증한다.
• 국제 컴퓨터 과학 및 정보 보안 저널(2010)에서 보고한 바와 같이 시스템은 신뢰할 수 있는 분류 결과를 달성한다.
• 질감 분석과 신경망의 통합은 초기 단계의 망막 병변에 대한 진단 정확도를 향상시킨다.