망막 혈관 위상 기반 동맥-정맥 분류를 위한 연결성 예측 딥러닝 연구

Topology-aware retinal artery–vein classification via vascular connectivity prediction research

연구 내용

망막 혈관의 위상 일관성을 유지하기 위해 연결성 예측을 기반으로 동맥-정맥을 쌍대 분류하고 그래프 투표로 최종 레이블을 결정하는 연구

망막 혈관의 동맥-정맥 분류는 신경계와 심혈관 계통 질환 및 안과 질환의 정량 분석을 위한 전처리 단계입니다. 기존의 컨볼루션 신경망 기반 분류는 얇은 혈관이나 경계가 모호한 구간에서 국소적으로 갑작스러운 클래스 전환 같은 위상 오류가 발생할 수 있습니다. 연구실은 혈관의 위상을 연결성 예측 문제로 모델링하고, 딥러닝 기반 쌍대 분류를 반복적으로 수행하여 혈관 그래프를 하위 트리로 분해한 뒤 투표 체계로 동맥 또는 정맥을 결정합니다. 이로써 실제 혈관 구조를 따라 예측의 일관성을 높이는 방향을 제시합니다.

관련 프로젝트

0건

연구 흐름

초기에는 동맥-정맥 분류에서 위상 오류가 성능과 임상 사용성에 미치는 영향을 분석하고, 혈관 구조를 고려하지 않는 모델의 한계를 확인하였습니다. 이후 혈관 위상 추정을 반복적 연결성 예측으로 정식화하고, 딥러닝 기반 쌍대 분류를 통해 하위 그래프 단위의 일관된 예측을 구성하는 방법을 제안하였습니다. 마지막으로 서로 다른 영상 획득 조건의 망막 데이터셋에서 효율성과 분류 정확도를 함께 검증하며 방법을 안정화하였습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

망막 혈관 정량 분석을 위한 신뢰도 높은 동맥-정맥 라벨링
위상 오류를 줄인 안과 영상 분석 전처리
얇은 혈관 영역의 분류 성능 개선
혈관 그래프 기반 의료 영상 해석
질환 바이오마커 계산을 위한 입력 품질 향상
다중 영상 장비 데이터 통합 전처리
설명 가능한 투표 기반 분류 프레임워크
시각적 검증을 포함한 준자동 진단 지원
혈관 구조 변형에 대한 일반화 전략
영상 처리 파이프라인의 모듈형 교체