Retinal Malady Classification using AI: A novel ViT-SVM combination architecture

논문 요약: ViT-SVM 하이브리드 아키텍처를 활용한 망막 질환 분류

1. 문제 정의 (Problem Statement)

• 배경: 황반구멍 (Macular Holes), 중심장액성 망막병증 (Central Serous Retinopathy, CSR), 당뇨망막병증 (Diabetic Retinopathy) 은 시력 손실乃至 실명을 유발하는 흔한 안과 질환입니다.
• 과제: 이러한 질환의 조기 발견은 환자 예후에 결정적이지만, 기존에는 의사의 수동 진단에 의존하거나 기존 딥러닝 모델 (CNN 등) 이 고해상도 OCT(광간섭단층촬영) 스캔 데이터에서 높은 계산 비용이나 성능 저하를 겪는 문제가 있었습니다.
• 목표: OCT-B 스캔 이미지를 기반으로 위 3 가지 질환과 정상 (Normal) 을 자동 분류하여 조기 진단을 지원하는 효율적이고 정확한 AI 모델 개발.

2. 방법론 (Methodology)

연구팀은 4 가지 클래스 (정상, 당뇨망막병증, 중심장액성 망막병증, 황반구멍) 로 구성된 517 개의 OCT-B 이미지 데이터셋을 사용하여 세 가지 모델을 비교 및 제안했습니다.

• 데이터 전처리:

  • 이미지 크기를 256x256 으로 리사이징.
  • 수직/수평 축 무작위 뒤집기 (Flipping) 를 통한 데이터 증강 (Data Augmentation).
  • 배치 크기 8 로 학습.

• 비교 모델 (Baseline Models):

  1. VGG-16: ImageNet 사전 학습 가중치를 활용한 전통적인 CNN 아키텍처.
  2. Vision Transformer (ViT): ViT-B32(Base, patch size 32) 구조를 사용. 이미지를 패치 단위로 변환하고 Self-Attention 메커니즘을 통해 특징을 추출한 후, MLP 헤드를 통해 분류.

• 제안 모델: ViT-SVM 하이브리드 아키텍처

  • 구조: Vision Transformer (ViT-B32) 를 특징 추출기 (Feature Extractor) 로 활용하고, 그 출력에 SVM(Support Vector Machine) 기반 분류기를 결합.
  • 구현 세부사항:
    • ViT 의 출력은 2 개의 Dense 레이어 (64 뉴런, 4 뉴런) 를 거쳐 SVM 에 입력됨.
    • L2 정규화 (Factor: 0.01) 적용.
    • 손실 함수: 'Squared hinge', 옵티마이저: Adam.
    • 최종 분류: Softmax 활성화 함수 사용.
  • 핵심 아이디어: ViT 의 강력한 주의 (Attention) 기반 특징 추출 능력과 SVM 의 고차원 데이터 처리 및 메모리 효율성을 결합하여 성능을 극대화.

3. 주요 기여 (Key Contributions)

• 새로운 하이브리드 아키텍처 제안: 의료 영상 분류 분야에서 아직 드물게 적용된 Vision Transformer 와 SVM 의 결합 (ViT-SVM) 을 최초로 시도하여, CNN 기반 모델의 한계를 극복하고 성능을 향상시켰음.
• 효율성과 정확도의 균형: 대규모 CNN 모델 (VGG-16) 대비 계산 효율성을 유지하면서, 단순 ViT 모델보다 더 높은 분류 정확도를 달성.
• 다중 질환 동시 분류: 단일 모델로 정상 및 3 가지 주요 망막 질환을 4 클래스로 정확히 구분하는 체계 마련.

4. 실험 결과 (Results)

모델은 50 에포크 학습 후 테스트 세트에서 정밀도 (Precision), 재현율 (Recall), 정확도 (Accuracy) 로 평가되었습니다.

• 성능 비교: 제안된 ViT-SVM 모델은 단순 ViT 모델보다 6%, VGG-16 보다 11% 높은 정확도를 기록했습니다.
• 상세 지표: ViT-SVM 은 '정상'과 '당뇨망막병증' 분류에서 완벽한 정밀도 (1.00) 와 재현율 (1.00) 을 보였으며, '황반구멍'에서도 0.90 의 재현율을 기록했습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 기술적 의의: CNN 기반 아키텍처가 OCT 이미지 분류에서 겪는 계산 비용과 성능의 트레이드오프를 해결할 수 있음을 입증했습니다. ViT 의 글로벌 이미지 분류 성능과 SVM 의 분류 결정력 결합이 의료 영상 분석에 유효함을 보여줌.
• 임상적 의의: 망막 질환의 조기 발견을 자동화하여 의사의 진단 부담을 줄이고, 환자 예후를 개선할 수 있는 잠재력을 가짐.
• 향후 연구: 데이터셋의 크기와 품질을 더 확장하고, ViT 기반 아키텍처를 미세 조정 (Fine-tuning) 하여 성능을 더욱 고도화할 필요가 있음.

이 논문은 의료 AI 분야에서 Transformer 기반 모델과 전통적인 머신러닝 알고리즘 (SVM) 의 시너지 효과를 성공적으로 입증한 사례로 평가됩니다.