본 논문은 당뇨병성 망막증(DR)의 자동화된 분류를 위한 강건한 전처리 파이프라인과 Swin Transformer 기반 모델을 제안합니다. 이미지 자르기, CLAHE, 그리고 표적 데이터 증강을 포함하는 전처리 과정을 통해 모델의 일반화 성능과 강건성을 향상시키고, 계층적 토큰 처리와 이동 윈도우 어텐션을 활용하는 Swin Transformer를 이용하여 효율적으로 미세한 특징을 포착합니다. Aptos와 IDRiD 데이터셋을 사용한 실험 결과, 각각 89.65%와 97.40%의 정확도를 달성하여 특히 초기 단계 DR 검출에서 효과적임을 보였습니다. 이는 임상 환경에서 자동화된 망막 검진 개선에 대한 잠재력을 보여줍니다.
