ハイブリッド特徴融合による眼疾患検出のための強化された多分類システムとしての二重枝網膜深層学習ネットワーク
カテゴリ：診断支援・画像解析
公開日：2026年7月3日
タイトル：Dual branch fundus deep learning network as an enhanced multi classification system for ocular disease detection via hybrid feature fusion.
雑誌名：Sci Rep. 2026 Jul 02; doi: 10.1038/s41598-026-58277-5.
概 要：
本研究では、眼科診断における網膜画像の解釈に基づく多様な眼疾患の同時分類を行う深層学習ソリューション「DFD-Net」を提案します。DFD-Netは、右目と左目の網膜写真からの属性マップを統合することで、複数の病理を同時に検出します。網膜画像の前処理を行った後、二重枝特徴抽出フレームワークを用いて、複雑なセマンティック特徴と細かな構造的特徴を取得し、融合メカニズムを通じてこれらの特徴を組み合わせます。最終的に、8つの疾患カテゴリーのいずれかを識別するために、ソフトマックス出力層を使用して分類します。
方 法：
本研究は、Ocular Disease Intelligent Recognition-Ophthalmic Image analysis (OIA-ODIR)データセットを用いたコホート研究です。このデータセットには、加齢黄斑変性、白内障、緑内障、高血圧、糖尿病性網膜症、近視、正常ケース、その他の病気を示す画像が含まれ、合計8つのカテゴリーが設定されています。DFD-Netは、ConvNeXtアーキテクチャとU-Netエンコーダを用いて特徴を抽出し、SENetブロックで強化された特徴マップを生成します。
結 果：
DFD-Netは、オンサイトテストコレクションにおいて精度92.75%、再現率93.17%、F1スコア94.45%、全体の正確性93.77%を達成しました。また、オフサイトテストコレクションでは、精度91.50%、再現率93.19%、F1スコア92.11%、全体の正確性92.97%を記録しました。これにより、DFD-Netは複数の眼疾患を高精度で分類する能力を示しました。
結 論：
DFD-Netは、網膜疾患の早期検出に向けた新しいアプローチを提供し、複数の眼疾患を高効率で正確に分類することができることが示されました。