|
목적 : 합성곱회귀신경망 (convolutional recurrent neural network, CRNN) 딥러닝 인공지능 기법을 사용하여 보다 정확하 미래의 시야검사 결과를 예측하고, 그 정확도를 기존의 선형회귀분석기법 (ordinary linear regression, OLR)과 비교하고자 한다.
방법 : 부산 경남지역 5개 병원에서 시행한 모든 시야검사자료를 수집하였다. 총 5301명의 환자 9312안에서 101,601 개의 시야검사결과를 인공지능 트레이닝에 사용하였으며, 이와 별도로 434명의 환자에서 434안을 성능테스트 데이터로 사용하였다. 딥러닝 아키텍처는 128개의 회귀신경망셀로 구성, 그 앞 단에 4층의 합성곱 계층을 추가하여 CRNN을 완성하였다. 성능 검증시에는 5개의 연속된 시야검사결과와 6번째 검사날짜를 신경망의 입력으로 넣고, 6번째 시야를 예측하도록 하였다. 예측결과와 실제 결과를 전체적으로 비교할 때에는Root mean square error (RMSE)를 이용, 개별 검사점을 비교할때에는 mean absolute error, MAE를 이용하였다.
결과 : RMSE 는 4.21 ± 2.69 dB / 4.31 ± 2.82 dB / 4.71 ± 3.13 dB (각각 CRNN / RNN / OLR) 이었으며, 이는 통계적으로 유의한 차이를 보였다(all Ps < 0.004). 각각의 시야검사점의 MAE는 CRNN모델이 대부분의 영역에서 OLR 보다 우수했다. 즉 녹내장 손상에 취약하다고 알려져 있는 상이측, 상비측, 하이측, 하비측애서 CRNN이 유의하게 오차가 작았다. 신뢰도 수치 중에서 CRNN과 OLR의 예측에 영향을 미친 인지는 위음성도였으며, RNN이 OLR 에 비하여 위음성도가 증가하여도 오차의 증가폭이 작았다.
결론 : CRNN은 기존의 OLR 기법에 비하여 보다 정확하게 미래의 시야검사를 예측할 수 있으며, 시야검사의 오차가 증가하여도 예측오차가 덜하였다. 또한 CRNN 은 RNN 단독 아키텍처보다 예측정확도가 유의하게 더 우수하였다.
|