Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

DMS-Net:Dual-Modal Multi-Scale Siamese Network for Binocular Fundus Image Classification

Created by
  • Haebom

저자

Guohao Huo, Zibo Lin, Zitong Wang, Ruiting Dai, Hao Tang

개요

본 논문은 양안 안저 영상 분류를 위한 이중 모드 다중 스케일 Siamese 네트워크인 DMS-Net을 제안합니다. DMS-Net은 가중치 공유 Siamese ResNet-152 백본을 활용하여 짝을 이룬 안저 영상에서 심층 의미 특징을 추출합니다. 병변 경계 모호성 및 산재된 병리학적 분포와 같은 문제를 해결하기 위해 적응적 풀링 및 어텐션 메커니즘을 통합하는 다중 스케일 컨텍스트 인식 모듈(MSCAM)을 도입합니다. 또한, 이중 모드 특징 융합(DMFF) 모듈을 통해 공간-의미 재보정 및 양방향 어텐션을 사용하여 교차 모드 상호 작용을 강화하여 전역 컨텍스트와 국소 에지 특징을 효과적으로 결합합니다. ODIR-5K 데이터셋에서 평가한 결과, DMS-Net은 82.9%의 정확도, 84.5%의 재현율, 83.2%의 Cohen's kappa를 달성하여 최첨단 성능을 보였으며, 대칭적인 병리를 감지하고 안과 질환에 대한 임상 의사 결정을 발전시키는 데 우수한 능력을 보여줍니다.

시사점, 한계점

시사점:
양안 안저 영상의 상관관계를 고려하여 안과 질환 진단 정확도 향상.
MSCAM과 DMFF 모듈을 통해 병변 경계 모호성 및 산재된 병리학적 분포 문제 해결.
ODIR-5K 데이터셋에서 최첨단 성능 달성 (82.9% 정확도, 84.5% 재현율, 83.2% Cohen's kappa).
안과 질환 진단 및 임상 의사 결정 지원에 기여.
한계점:
ODIR-5K 데이터셋에 대한 성능 검증만 제시되어 다른 데이터셋에 대한 일반화 성능은 불확실.
모델의 복잡성으로 인한 계산 비용 및 자원 소모 가능성.
다양한 안과 질환에 대한 일반화 성능에 대한 추가 연구 필요.
👍