|
목적 : 안저사진의 class activation map (CAM)에서 추출된 시신경 유두와 유두주변 region of interests (ROI)를 중간 입력자로 사용하는 2단계 랭킹 convolutional neural network (CNN)를 이용한 기계학습 알고리듬으로 안저사진에서 녹내장을 진단하는 인공지능의 정확도를 평가하고자 한다.
방법 : 301명 582안을 대상으로 무산동 안저카메라로 촬영한 1,022장의 안저사진을 연구에 사용하였다. 의무기록과 안저사진을 바탕으로 1,022장의 안저사진을 정상, 녹내장의증, 녹내장으로 분류하였다. 2단계 랭킹 CNN은 원본 안저사진에서 CAM과 ROI를 추출하는 1단계 랭킹 CNN과 ROI를 입력값으로 결과를 예측하는 2단계 랭킹 CNN으로 구성하였다. 안저사진을 각각 학습, 타당성 검증, 진단 능력 평가에 나누어 사용하였다. 녹내장 전문의에 의한 진단을 참값으로 하여 2단계 랭킹 CNN, 랭킹 CNN, 3-calss CNN 알고리듬에 의한 녹내장의증과 녹내장 진단의 평균 정확도, 민감도와 특이도를 비교 평가하였다.
결과 : 301명의 평균 나이는 59.7세였으며, 녹내장 전문의에 의해 안저사진 1,022장 중 403장 (39.4%)이 정상, 208장 (20.4%)이 녹내장의증, 381장 (37.3%)이 녹내장으로 진단되었다. 잘못된 파일 형식의 안저사진 30장을 제외한 992장의 안저사진 중 674장을 기계학습, 119장을 타당성 검증, 199장 진단 능력 평가에 사용하였다. 2단계 랭킹 CNN의 평균 정확도는 96.46%, 특이도 96.00%, 녹내장의증 민감도 97.56%, 녹내장 민감도 95.18%로 기존의 랭킹 CNN (각, 86.87%, 80.00%, 82.93%, 93.98%)과 3-class CNN (각, 85.86%, 84.00%, 73.17%, 92.77%) 보다 녹내장의증과 녹내장 진단에 더 우수한 결과를 보였다.
결론 : 이번 연구는 2단계 랭킹 CNN을 이용한 기계학습을 통하여 안저사진에서 정상, 녹내장의증, 녹내장을 진단한 최초의 연구로, 본 연구에서 제안한 2단계 랭킹 CNN은 기존의 랭킹 CNN과 3-class CNN보다 우수한 진단 예측 능력을 보였다. 따라서, 2단계 랭킹 CNN은 정상과 질환 사이에 녹내장의증과 같은 중간 상태를 가지고 있는 의학 분야의 다양한 영상을 자동 분석하여 질환을 진단하는 인공지능 소프트웨어 개발에 유용하게 사용할 수 있을 것으로 생각된다.
|