건양대학병원에서 제공하는 광각안저영상(Wide Fundus Image)를 사용하여 황반변성, 당뇨망막병증, 망막정맥폐쇄와 정상을 구분하는 학습 모델을 구현하였다. 두 명의 안과 의사의 교차검증을 통한 데이터셋에 대해서 학습을 진행하였다. Google에서 2016년도에 발표한 Xception을 customized한 모델을 구현해 사용하였다.
광각안저영상에 대해 영상 1장을 96장으로 증폭하여 사용함 질환별로 다른 필터를 적용하여 영상에 특화된 전처리를 시행 Preprocessing_AMD & Preprocessing_DMR&RVO 에서 실제 구현 세부 내용을 확일 할 수 있음
| 증강 종류 | 설명 | |
|---|---|---|
| 1 | 영상 필터 종류 | Bilateral, Gaussian, Histogram Equalization, Median, Sharpening (황반변성 - Sobel, Scharr 추가) |
| 2 | 영상 확대 여부 | 125% 확대 후 center를 중심으로 299*299 crop |
| 3 | 영상 회전 여부 | 90, 180, 270도 회전 (황반변성 - 60, 120, 180, 240, 300도) |
광각안저영상에 해당하는 질환별 진단모델의 성능은 기존 주어진 데이터 세트에 대해서 10 fold crosss validation을 진행하였으며, 각 Fold에 대한 성능 지표로는 정확도(Accuracy), 민감도(Sensitivity), 특이도(Specificity), AUROC를 사용하여 학습하고 평가에 사용하였다.
- Python ≥
3.6 - Keras ≥
2.2.4 - numpy ≥
1.16.4 - opencv ≥
3.2.0 - pandas ≥
0.24.2 - sklearn ≥
0.21.1