안구 축장길이(ocular axial length, AL) 측정은 사시 수술이나 백내장 수술과 같은 수술 전 고려되어야 하므로 안과에서 중요하며, 쉽게 얻을 수 있는 망막 안저(retinal fundus) 이미지를 이용한 AL 측정의 자동화가 연구되어 왔다. 그러나 딥러닝 방법의 성능은 사용되는 데이터 세트의 분포에 필연적으로 의존하며, 데이터의 부족은 해결되어야 할 문제이다. 본 연구에서는 AL 추정을 개선하기 위해 안저 이미지 한 쌍과 그에 해당하는 AL을 생성하는 프레임워크를 제안한다. 생성기(generator)의 인코더는 AL 정보를 기반으로 한 메트릭 러닝(metric learning)을 사용하여 독립적으로 학습하였다. 데이터 생성의 유연성을 높이기 위해 생성기에 임의의 벡터(random vector)와 제로 패딩(zero padding)을 포함시킨 다음, 조건 정보로서 AL 정보를 삽입하였다. 제안된 방법으로 생성한 데이터와 사적으로 수집한 실제 데이터를 결합한 데이터 세트에서 학습한 후 AL 추론 모델의 성능을 평가함으로써 이 프레임워크의 효과를 검증하였다. 실제 데이터 세트만을 사용한 경우에 비해, 제안된 방법의 평균 절대오차(mean absolute error)와 표준편차는 각각 10.23과 2.56에서 3.96과 0.23으로 감소하였으며, AL 예측 모델에서 층의 수가 더 적음에도 불구하고 이러한 결과가 관찰되었다.

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