Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2024.10a
  • /
  • Pages.744-747
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Enhancing the Applicability of a Multi-Disease Classification Model with Cyclic Learning

순환학습 기반 다중 안질환 분류 모델의 적용성 확장에 관한 연구

  • Honggu Kang (Dept. of AI Systems Engineering, Sungkyunkwan University) ;
  • Dahyun Mok (Dept. of Electrical and Computer Engineering, Sungkyunkwan University) ;
  • Huigyu Yang (Convergence Research Institute, Sungkyunkwan University) ;
  • Hyunseung Choo (Dept. of Electrical and Computer Engineering, Sungkyunkwan University)
  • 강홍구 (성균관대학교 AI시스템공학과) ;
  • 목다현 (성균관대학교 전자전기컴퓨터공학과) ;
  • 양희규 (성균관대학교 컨버전스연구소) ;
  • 추현승 (성균관대학교 전자전기컴퓨터공학과)
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

고령화로 인해 실명을 유발하는 안질환의 발병률이 지속적으로 증가하고 있다. 이에 본 연구는 딥러닝 기반의 안저사진 분석을 통해 다중 안질환 분류 모델의 적용성을 향상시키고자 한다. Ocular Disease Intelligent Recognition (ODIR) dataset과 같은 다양한 공용 데이터셋에 순환학습과 regularization 기법을 적용하여 녹내장, 백내장, 황반변성 등의 질환을 효과적으로 분류를 돕는 기법을 제안한다. 이를 통해 안질환 진단의 정확성을 높이고, 임상에서 활용가능한 신뢰성 있는 안질환 진단 모델을 구축하고자 한다.

Keywords

Acknowledgement

이 논문은 정부(과학기술정보통신부)의 재원으로정보통신기획평가원의 ICT명품인재양성사업(IITP-2024-2020-0-01821, 50%), (RS-2021-II212068, 인공지능 혁신 허브 연구 개발, 20%), (No.2019-0-00421, 인공지능대학원지원(성균관대학교), 20%)과 4단계 BK21 사업(10%)의 지원을 받아 수행된 연구임.

References

  1. Thinggaard BS, Pedersen F, Grauslund J, and Stokholm L. "Intravitreal Vascular Endothelial Growth Factor Inhibitor Therapy in Denmark and 5-Year Projections," JAMA Netw Open, Vol. 6, No. 9, 2023.
  2. J. Banks, "Looking Disease in the Eye," IEEE pulse, Vol. 12, No. 6, pp. 10-13, 2021.
  3. Neha Sengar, Rakesh Chandra Joshi, Malay Kishore Dutta, and Radim Burget, "EyeDeep-Net: a multi-class diagnosis of retinal diseases using deep neural network," Neural Comput & Applic, Vol. 35, pp. 10551-10571, 2023.
  4. Dar, Rayees Ahmad, Muzafar Rasool, and Assif Assad, "Breast cancer detection using deep learning: Datasets, methods, and challenges ahead," Computers in biology and medicine, Vol. 149, 2022.
  5. Khairandish, Mohammad Omid, Monica Sharma, Vishal Jain, Jyotir Moy Chatterjee, and N. Z. Jhanjhi, "A hybrid CNN-SVM threshold segmentation approach for tumor detection and classification of MRI brain images," Irbm, Vol. 43, No.4, pp. 290-299, 2022.
  6. Jinke Lin, Qingling Cai and Manying Lin, "Multi-Label Classification of Fundus Images With Graph Convolutional Network and Self-Supervised Learning," IEEE Signal Processing Letter, Vol. 28, pp. 454-458, 2021.
  7. Jiaqi Wang, Mengtian Kang, Yong Liu, Chi Zhang, Ying Liu, Shiming Li, Que Qi, WenjunXu, Chenyu Tang, Edoardo Occhipinti, Mayinuer Ysusfu, Nigli Wang, Weiling Bai, Shuo Gao and Luigi G. Occhipinti, "SSVT: Self-Supervised Vision Transformer For Eye Disease Diagnosis Based On Fundus Images", arXiv:2404.13386, 2024.
  8. R Murugan, Parthapratim Roy, "MicroNet: microaneurysm detection in retinal fundus images using convolutional neural network," Soft Computing, Vol. 26, pp. 1057-1066, 2022.
  9. He, K., Zhang, X., Ren, S., and Sun, J., "Deep residual learning for image recognition." Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 770-778, 2016.