• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.124-126
• /
• 2021

본 연구에서는 당뇨망막병증 의증 진단을 위해 영상처리 알고리즘을 이용하여 안저영상을 분석하고, 비트 플레인(Bit Plane) 기법을 활용한 당뇨망막병증 질환의 특징인 경성삼출물 및 망막 출혈 등의 특정 부위를 추출한다. 분석된 안저영상을 기반으로 당뇨망막병증의 특징을 수치화하고 자동으로 진단이 가능한 시스템을 제안한다.

• 인터넷정보학회논문지
• /
• 제25권3호
• /
• pp.19-25
• /
• 2024

전 세계적인 인구 고령화 현상으로, 녹내장, 백내장, 황반변성과 같은 실명을 초래할 수 있는 주요 안질환의 발병률이 상승하고 있다. 이에 안과 분야에서는 실명률을 줄이기 위해 예방이 어려운 질환의 진단에 관심이 집중되고 있다. 본 연구는 기존보다 적은 양의 데이터를 활용하여 안저 사진 내의 안질환을 정확하게 진단하는 딥러닝 방안을 제안한다. 이를 위해 적은 데이터로도 효과적인 학습이 가능한 Convolutional Neural Network (CNN) 모델을 선정하여 다양한 안질환 환자의 Conventional Fundus Image (CFI)를 분류 한다. 선정된 CNN 모델들은 Accuracy, Precision, Recall, F1-score에서 우수한 성능을 기록함으로써 CFI 내 안질환의 정확한 분류에 탁월한 성능을 보였다. 이러한 접근법은 안과 전문의들의 수작업 분석을 줄이고, 진료 시간을 단축하며, 리소스가 제한된 환경에서도 일관성 있는 진단 결과를 제공함으로써 의료 현장에 효율적이고 정확한 진단의 보조 도구로 기여할 수 있다.

• 한국의학물리학회지:의학물리
• /
• 제2권2호
• /
• pp.183-192
• /
• 1991

형광 안저 사진은 형광 물질을 정맥에 주사한 후 안저를 연속 촬영한 것으로 이로부터 망막 및 맥락막의 혈관 상태를 관찰하여 안과계 질환 뿐만아니라, 당뇨병, 고혈압 등 내과계 질병도 진단한다. 순차적으로 안저 사진을 촬영할 때 안구의 불규칙적인 운동으로 인하여 프레임마다 특정 영역의 위치가 달라질 수 있으며, 조명 상태의 변동에 의해 프레임마다 배경 명암이 달라질 수 있다. 이러한 형광 안저 사진에서 프레임간 변화분을 검출하기 위해 직접 두 프레임을 빼는 것은 부적합하다. 본 논문에서는 형광 안저 사진의 프레임간 변화분을 정확하게 검출할 수 있도록 형광안저 사진의 기하 왜곡을 교정하는 방법을 제안한다. 먼저 안저 사진으로부터 혈관을 검출하고 이를 세선화하여 제어점의 좌표를 정한다. 제어점을 이용하여 기하 변환함수를 구하고 각 프레임을 맵핑하므로써 기하 왜곡을 교정한다. 기하 왜곡을 교정한 두 프레임을 화소별로 빼어 차영상을 구한 결과 프레임간 변화를 정확하게 검출할 수 있었다.

• Journal of Information Processing Systems
• /
• 제18권5호
• /
• pp.599-613
• /
• 2022

Non-proliferative diabetic retinopathy is a representative complication of diabetic patients and is known to be a major cause of impaired vision and blindness. There has been ongoing research on automatic detection of diabetic retinopathy, however, there is also a growing need for research on an automatic severity classification system. This study proposes an automatic detection system for pathological symptoms of diabetic retinopathy such as microaneurysms, retinal hemorrhage, and hard exudate by applying the Faster R-CNN technique. An automatic severity classification system was devised by training and testing a Random Forest classifier based on the data obtained through preprocessing of detected features. An experiment of classifying 228 test fundus images with the proposed classification system showed 97.8% accuracy.

• Journal of Veterinary Science
• /
• 제22권5호
• /
• pp.65.1-65.12
• /
• 2021

Background: To assess the normal retina of the pigeon eye using spectral domain optical coherence tomography (SD-OCT) and establish a normative reference. Methods: Twelve eyes of six ophthalmologically normal pigeons (Columba livia) were included. SD-OCT images were taken with dilated pupils under sedation. Four meridians, including the fovea, optic disc, red field, and yellow field, were obtained in each eye. The layers, including full thickness (FT), ganglion cell complex (GCC), thickness from the retinal pigmented epithelium to the outer nuclear layer (RPE-ONL), and from the retinal pigmented epithelium to the inner nuclear layer (RPE-INL), were manually measured. Results: The average FT values were significantly different among the four meridians (p < 0.05), with the optic disc meridian being the thickest (294.0 ± 13.9 ㎛). The average GCC was thickest in the optic disc (105.3 ± 27.1 ㎛) and thinnest in the fovea meridian (42.8 ± 15.3 ㎛). The average RPE-INL of the fovea meridian (165.5 ± 18.3 ㎛) was significantly thicker than that of the other meridians (p < 0.05). The average RPE-ONL of the fovea, optic disc, yellow field, and red field were 91.2 ± 5.2 ㎛, 87.7 ± 5.3 ㎛, 87.6 ± 6.5 ㎛, and 91.4 ± 3.9 ㎛, respectively. RPE-INL and RPE-ONL thickness of the red field meridian did not change significantly with measurement location (p > 0.05). Conclusions: Measured data could be used as normative references for diagnosing pigeon retinopathies and further research on avian fundus structure.

• 한국컴퓨터정보학회논문지
• /
• 제27권12호
• /
• pp.29-40
• /
• 2022

본 논문에서는 딥러닝 기법의 하나인 Mask R-CNN과 랜덤포레스트 분류기를 이용해 당뇨병성 망막병증의 병리학적인 특징을 검출하고 분석하여 자동 진단하는 시스템을 연구하였다. 당뇨병성 망막병증은 특수장비로 촬영한 안저영상을 통해 진단할 수 있는데 밝기, 색조 및 명암은 장치에 따라 다를 수 있으며 안과 전문의의 의료적 판단을 도울 인공지능을 이용한 자동진단 시스템 연구와 개발이 가능하다. 이 시스템은 미세혈관류와 망막출혈을 Mask R-CNN 기법으로 검출하고, 후처리 과정을 거쳐 랜덤포레스트 분류기를 이용하여 안구의 정상과 비정상 상태를 진단한다. Mask R-CNN 알고리즘의 검출 성능 향상을 위해 이미지 증강 작업을 실시하여 학습을 진행하였으며 검출 정확도 측정을 위한 평가지표로는 다이스 유사계수와 Mean Accuracy를 사용하였다. 비교군으로는 Faster R-CNN 기법을 사용하였고 본 연구를 통한 검출 성능은 평균 90%의 다이스 계수를 통한 정확도를 나타내었으며 Mean Accuracy의 경우 91% 정확도의 검출 성능을 보였다. 검출된 병리증상을 토대로 랜덤포레스트 분류기를 학습하여 당뇨병성 망막 병증을 진단한 경우 99%의 정확도를 보였다.