베이지안 기법으로 불확실성을 추정하는 당뇨망막병증 탐지 딥러닝

한줄 요약

당뇨망막병증 탐지를 위해 DenseNet-121에 베이지안 근사 기법(MC 드롭아웃, 평균장 변분 추론, 결정론적 추론)을 적용하여 예측 정확도와 불확실성 추정을 동시에 개선한 연구.

풀어야 하는 문제

의료 영상 분석에서 딥러닝 모델은 높은 성능을 보이지만, 단일 점 추정으로 인해 불확실한 경우에 대한 신뢰도 정보를 제공하지 못한다. 당뇨망막병증 탐지에서 작은 오류도 심각한 영향을 미칠 수 있으므로, 예측의 불확실성을 정량화하는 것이 중요하다.

접근 방법

사전 학습된 DenseNet-121을 전이학습으로 당뇨망막병증 데이터(APTOS 2019 + DDR)에 fine-tuning한 후, 베이지안 근사법(MC 드롭아웃, 평균장 변분 추론, 결정론적 추론)을 적용하여 사후 예측 분포를 근사하고 불확실성을 추정했다. 엔트로피와 표준편차로 불확실성을 측정하고, AUC와 정확도를 다양한 데이터 보존 수준에서 평가했다.

결과·기여

MC 드롭아웃 모델이 97.68%의 테스트 정확도로 최고 성능을 기록했으며, 평균장 변분 추론(94.23%), 결정론적 모델(91.44%) 순이었다. 베이지안 접근이 분류 정확도를 높일 뿐만 아니라 불확실성 정보를 제공하여 임상 의사결정에 도움을 줄 수 있음을 보였다.