본 연구는 스마트폰으로 촬영한 이미지를 이용하여 눈꺼풀 매개변수(MRD1, MRD2, LF)를 자동으로 측정하는 심층 학습 모델(SE-ResNet, EfficientNet, DINOv2)을 평가했습니다. MSE, MAE, R2 지표를 사용하여 성능을 평가한 결과, 자기 지도 학습을 통해 사전 훈련된 DINOv2가 특히 모바일 배포에 적합한 고정된 설정에서 뛰어난 확장성과 강건성을 보였습니다. MLP 및 Deep Ensemble과 같은 경량 회귀 모델은 최소한의 계산 오버헤드로 높은 정확도를 제공했습니다. 클래스 불균형 문제와 일반화 성능 향상을 위해 focal loss, orthogonal regularization, binary encoding 전략을 통합하였고, 이러한 개선 사항을 적용한 DINOv2는 모든 과제에서 일관되고 정확한 예측을 제공하여 실제 모바일 친화적인 임상 응용 프로그램에 적합한 후보임을 보여주었습니다. 본 연구는 기초 모델이 AI 기반 안과 의료 발전에 기여할 가능성을 강조합니다.
