Adaptive Wavelet Filters as Practical Texture Feature Amplifiers for Parkinson's Disease Screening in OCT
Created by
Haebom
Category
Empty
저자
Xiaoqing Zhang, Hanfeng Shi, Xiangyu Li, Haili Ye, Tao Xu, Na Li, Yan Hu, Fan Lv, Jiangfan Chen, Jiang Liu
개요
본 논문은 파킨슨병(PD)의 자동화된 선별 검사를 위해 망막 광간섭단층촬영(OCT) 이미지의 조직 특징을 활용하는 새로운 딥러닝 모델인 AWFNet을 제안한다. 기존 연구들이 망막 OCT 이미지의 조직 특징을 PD 진단에 활용할 가능성을 제시했지만, 자동화된 선별 검사에는 활용되지 않았다는 점에 착안하여, 주파수 영역 학습 기법을 활용한 적응적 웨이블릿 필터(AWF)를 개발하였다. AWF는 채널 믹서를 통해 조직 특징 표현의 다양성을 높이고, 적응적 웨이블릿 필터링 토큰 믹서를 통해 유익한 조직 특징 표현을 강조한다. 또한, 샘플별 예측 확률과 클래스 빈도 사전 정보를 활용하는 새로운 균형 신뢰도(BC) 손실 함수를 도입하여 모델의 성능과 신뢰성을 향상시켰다. 실험 결과, AWFNet은 기존 최첨단 방법보다 우수한 PD 선별 검사 성능과 신뢰성을 보였다.
시사점, 한계점
•
시사점:
◦
망막 OCT 이미지의 조직 특징을 활용한 파킨슨병 자동 선별 검사의 새로운 가능성 제시.
◦
주파수 영역 학습 기법과 적응적 웨이블릿 필터링을 통한 효과적인 조직 특징 강화 및 표현.
◦
균형 신뢰도 손실 함수를 통한 모델 성능 및 신뢰성 향상.
◦
기존 최첨단 방법보다 우수한 성능을 보이는 AWFNet 모델 제시.
•
한계점:
◦
제안된 방법의 일반화 성능에 대한 추가적인 연구 필요. (다양한 인종, 연령대, OCT 기기 등에 대한 검증)
