深層学習に基づくドメイン適応手法による糖尿病性網膜症の診断に関して、本論文で提案する拡散ドメインアテンション転移学習モデルは、二つの主要モジュールで構成されている。まず、雑音除去拡散確率的糖尿病性網膜症画像生成モジュールは、豊富で多様なターゲットドメインサンプルを生成し、モデルがより包括的なターゲットドメイン特徴を学習することを促進する。次に、ソースドメインデータにアクセスすることなく複数のソースドメイン事前学習モデルの重み付き注意統合を実現する無ソース多ドメイン注意統合モジュールを設計し、インスタンス固有特徴とドメイン一貫特徴との間で良好なバランスを達成した。実験結果は、本モデルが転移可能な糖尿病性網膜症診断タスクにおいてそれぞれ90.66％の精度、87.47％の適合率、85.41％の感度、91.63％の特異度、86.42％のF1スコアを達成したことを示している。また、正常/異常網膜病変認識タスクにおいては96.75％の精度、99.23％の適合率、90.47％の感度、99.27％の特異度、94.65％のF1スコアを達成した。本モデルは、ソースドメインデータにアクセスせず、かつターゲットドメインサンプルにラベルがない条件下で有効な網膜病変診断を行うことが可能である。

糖尿病性網膜症;深層学習;無ソース多ドメイン適応;拡散ドメインアテンション転移学習