당뇨병성 망막병증(DR)은 당뇨병의 흔한 합병증으로, 전 세계적으로 실명을 초래하는 주요 질환 중 하나입니다. 임상 초기 단계에서는 DR을 감지하기 어렵습니다. 본 논문에서는 콘볼루션 신경망을 기반으로 한 컴퓨터 보조 진단 방법을 제안하며, 안저 이미지를 바탕으로 DR의 심각도를 자동으로 분류합니다. 입력 이미지의 품질을 향상시키기 위해 다양한 전처리 방법을 적용하고, 데이터 세트의 균형을 맞추기 위해 여러 데이터 증강 방법도 활용했습니다. 예측 등급과 실제 등급 간 차이에 따라 다른 패널티를 부과하는 비용 민감 정규화를 사용하여 표준 분류 손실 함수를 확장했습니다. ImageNet 데이터 세트에서 사전 학습을 수행하여 전이 학습을 도입했으며, Softmax 활성화 함수가 적용된 완전 연결층을 사용하여 모델의 성능을 향상시켰습니다. 두 개의 데이터 세트를 기반으로 한 실험 결과 이 모델은 최신 연구 결과에 비해 이중 가중치 카파 점수를 약 5%, AUC를 약 3% 향상시켰음을 보여줍니다. 비용 민감 정규화를 EfficientNet 네트워크 모델에 도입함으로써 당뇨병성 망막병증 분류 작업의 정확도를 높이고 우수한 모델 성능을 얻을 수 있습니다.

당뇨병성 망막병증;딥러닝;비용 민감 정규화;콘볼루션 신경망;이미지 분류