당뇨병 환자에게 흔한 합병증인 당뇨병성 황반부종(DME)은 시력 장애와 실명의 주요 원인입니다. 기존의 DME 진단은 방대한 주석이 달린 데이터와 주관적인 안과의사 평가에 의존하여 실제 적용에 한계가 있습니다. 본 논문에서는 이 문제를 해결하기 위해 비지도 학습 기반의 자동 DME 진단 시스템인 RURANET++를 제시합니다. RURANET++는 공간 및 채널 압축 및 흥분(SCSE) 어텐션 메커니즘이 내장된 최적화된 U-Net 아키텍처를 사용하여 병변 특징 추출을 향상시킵니다. 특징 처리 과정에서 사전 훈련된 GoogLeNet 모델을 사용하여 망막 이미지에서 심층 특징을 추출하고, PCA 기반 차원 축소를 통해 계산 효율성을 위해 50차원으로 줄입니다. 특히, 다중 투영 헤드를 사용하는 새로운 클러스터링 알고리즘을 도입하여 클러스터 다양성을 명시적으로 제어하고 유사성 임계값을 동적으로 조정하여 클래스 내 일관성과 클래스 간 차별성을 최적화합니다. 실험 결과는 여러 지표에서 우수한 성능을 보여주며, 최대 정확도(0.8411), 정밀도(0.8593), 재현율(0.8411), F1 점수(0.8390)를 달성하고, 뛰어난 클러스터링 품질을 보여줍니다. 이 연구는 중요한 임상적 의미를 지닌 DME 진단을 위한 효율적인 비지도 학습 솔루션을 제공합니다.
