|
목적 : 딥러닝 분류기를 통한 스펙트럼영역 빛간섭단층촬영 영상의 녹내장성 변화 검출 성능을 평가한다.
방법 : 신경절 세포-내망상층(GCIPL) 및 망막신경섬유층(RNFL) 단층촬영 영상을 녹내장안 86안에서 총 350 영상 세트, 정상안 196안에서 307 영상 세트를 포함하였고 이를 훈련 데이터(460 세트)와 시험 데이터(197 세트)로 나누었다. GCIPL 두께 지도 및 편위 지도, RNFL 두께 지도 및 편위 지도 등 총 4 가지 영상의 병목특징(bottleneck feature)을 추출하여 딥러닝 분류기의 예측 인자로 사용했다. 진단능을 평가하기 위해 수신자 조작 특성 곡선 아래 면적(AUC)을 계산하여 빛간섭단층촬영(OCT) 두께나 표준자동시야검사(SAP)를 포함한 기존의 녹내장 진단 인자와 비교하였다.
결과 : 테스트 데이터에서 딥러닝 시스템은 0.993 의 AUC (95% 신뢰구간, 0.981-1.000) 및 민감도 98.5%, 특이도 96.9%를 보였고, 이는 모든 OCT나 SAP 인자의 AUC보다 유의하게 높았다 (평균 GCIPL 두께: 0.942 (95% 신뢰구간, 0.908-0.977; P=0.005), 평균 RNFL 두께: 0.946 (95% 신뢰구간, 0.911-0.971; P=0.012), 표준자동시야검사의 평균편차(mean deviation): 0.862 (95% 신뢰구간, 0.811-0.913; P<0.001; DeLong’s test)).
결론 : 스펙트럼영역 빛간섭단층촬영 기반의 딥러닝 시스템은 녹내장성 구조 변화를 높은 민감도와 특이도로 검출할 수 있다.
|