糖尿病性網膜症（DR）は糖尿病の一般的な合併症であり、世界的に失明の主な原因の一つです。臨床の早期段階ではDRの検出は困難です。本稿では、畳み込みニューラルネットワークに基づくコンピュータ支援診断法を提案し、眼底画像に基づいてDRの重症度を自動的に分類します。入力画像の品質向上のために複数の前処理手法を採用し、データセットのバランスを改善するために複数のデータ拡張手法も用います。コストセンシティブ正則化を用いて標準の分類損失関数を拡張し、予測等級と真の等級の差異に応じて異なるペナルティを課します。ImageNetデータセットで事前学習を行い、転移学習を導入し、Softmax活性化関数を用いた全結合層によりモデルの性能向上を図ります。2つのデータセットを用いた実験結果は、最近の研究に比べて本モデルが二重加重カッパスコアを約5％、AUCを約3％改善できることを示しています。コストセンシティブ正則化をEfficientNetネットワークモデルに導入することで、糖尿病性網膜症分類タスクの精度が向上し、優れたモデル性能が得られます。

糖尿病性網膜症;深層学習;コストセンシティブ正則化;畳み込みニューラルネットワーク;画像分類