大量の眼底画像の収集およびラベリングが困難であり、経験豊富な眼科医の地域的な偏りがあるため、眼底疾患患者の検査精度が低く、検査に時間がかかるという問題を解決するために、本論文では転移学習に基づく画像分類手法を提案する。まず、EfficientNet-B0とEfficientNet-B7モデルを修正し、パラメータの微調整を行い、微調整後のモデルを特徴抽出器として眼底画像の特徴を抽出する。次に、抽出した特徴を特徴融合し、DNN分類器を用いて最終分類を実現する。また、加重勾配クラス活性化マッピングによる可視化を用いてモデルの異常診断の理由を説明する。提案手法は内部データにおける10分割交差検証で平均精度、感度、AUCがそれぞれ95.74％、96.46％、0.987を達成し、公開データセットJSIECでは97.04％の精度と97.14％の感度を得た。結果は本手法が大規模な異常眼底のスクリーニングに利用でき、医師の効率的な診断支援に役立つことを示している。

眼底画像;深層ニューラルネットワーク分類器;EfficientNet微調整;特徴抽出;特徴融合;可視化説明