배경: 본 연구는 안구의 en face swept-source optical coherence tomography(SS-OCT) 영상에서 맥락막 층을 자동으로 분류하기 위한 딥러닝 기반 알고리즘을 개발하는 것을 목적으로 한다. 방법: 건강한 대상자 117명(117안)을 대상으로, 12 × 9 mm 범위를 포함하는 SS-OCT 체적 스캔을 시행하였다. 맥락막의 en face SS-OCT 영상을 Bruch's membrane부터 맥락막공막 경계(chorioscleral border)까지 2.6 μm 간격으로 획득하였다. 영상은 예를 들어 choriocapillaris의 시작, Sattler's layer의 시작, Haller's layer의 시작 및 끝과 같은 랜드마크를 이용하여 5개 층으로 분류하였다. 데이터셋은 16,025개의 en face SS-OCT 영상으로 구성되었으며, 모델 성능은 5-fold 교차 검증으로 평가하였다. 결과: 경계 향상 undersampling과 subclass ensemble 기법을 통합한 ResNet 기반의 딥러닝 시스템을 개발하였다. 개발된 알고리즘은 각각 허용 오차 범위 0 μm 및 5.2 μm 내에서 84.30% 및 92.61%의 균형 정확도로 맥락막 층을 성공적으로 분류하였다. 결론: en face SS-OCT 영상으로부터 맥락막 층의 자동 층화는 딥러닝을 통해 정확하게 달성할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.